解的基于潜能的风格翻译:一个图像级结构性MRI协调框架
Mengqi Wu1, Lintao Zhang2, Pew-Thian Yap2
1Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA; Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University, Chapel Hill, NC 27599, USA.
概括
这项研究引入了一种新方法,DLEST,用于协调脑MRI扫描,减少不同扫描仪的差异. DLEST有效地纠正场景效应,以更好地进行图像分析和合成.
科学领域:
- 医疗成像医学成像
- 神经科学是一个神经科学.
- 计算机视觉 计算机视觉
背景情况:
- 大脑磁共振成像 (MRI) 在研究和临床环境中至关重要.
- 来自不同扫描仪和场强度的场景效应引入了非生物变异.
- 现有的MRI协调方法是计算密集的,缺乏通用性.
研究的目的:
- 开发一种新,高效和可通用的MRI协调框架.
- 为了解决当前追溯MRI协调技术的局限性.
- 提高MRI数据在不同地点的可靠性和适用性.
主要方法:
- 引入了一个不纠的潜能基于风格翻译 (DLEST) 框架.
- 使用潜伏自编码器使用的现场不变图像生成 (SIG).
- 使用基于能源的模型和特定网站的MRI合成 (SMS) 的特定网站风格翻译 (SST).
- 为了提高效率,在潜在空间中解脱图像生成和风格翻译.
主要成果:
- 在最先进的方法中,DLEST表现出了优越的性能.
- 通过从大型公共数据集 (3,984名受试者,58个站点) 的T1加权MRI进行验证.
- 通过组图/特征可视化,部位分类,组织细分和合成任务确认的性能.
- 在一个独立的数据集上表现出有效性,其中旅行对象遍布11个地点.
结论:
- DLEST提供了一种高效且可通用的解决方案,用于未配对的MRI协调.
- 隐藏空间中的脱而出的方法显著改善了风格翻译.
- 该框架增强了多站点MRI数据在研究和临床应用中的实用性.


