让UNet玩一个对抗游戏:研究对抗训练对提高低分辨率MRI功能的影响
Mohammad Javadi1, Rishabh Sharma1, Panagiotis Tsiamyrtzis2,3
1Medical Robotics and Imaging Lab, Department of Computer Science, University of Houston, 501, Philip G. Hoffman Hall, 4800 Calhoun Road, Houston, TX, 77204, USA.
Journal of imaging informatics in medicine
|July 31, 2024
概括
敌对训练通过改进低分辨率和低信号噪声比 (SNR) 数据来增强磁共振图像. 这种方法优化了图像质量指标,表明其对临床MRI增强管道的巨大潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 对抗训练广泛用于图像现实主义,但在临床成像中尚未探索.
- 磁共振成像 (MRI) 通常存在低分辨率和低信号噪声比 (SNR).
研究的目的:
- 调查对抗训练对提高低分辨率和低SNRMRI的有效性.
- 优化对抗和感知损失权重,以改善临床图像.
主要方法:
- 在OASIS-1数据集上训练了206个网络,其知觉/对抗性损失权重和学习率各不相同.
- 引入了梯度错误 (GE),度和边缘对比错误 (ECE) 的指标.
- 评估了结构差异,边缘清晰度和像素分布扭曲.
主要成果:
- 优化对抗性损失减少了结构差异 (平均SSIM减少1.5%).
- 敌对训练显著降低了GE (p <0.05) 并增加了度.
- 在较低的感知损失重量时观察到ECE的减少,在较高的重量时没有显著的不良影响.
结论:
- 反对训练显著改善了MRI增强管道.
- 突出了在临床成像中对超参数优化和新型图像质量指标的需求.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
