相关实验视频
Updated: Feb 16, 2026

Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
集成的基于深度学习的内血管壁成像与DANTE准备:可行性和技术性能
Pranjal Rai1, Vincent Ern Yao Chan2, John C Benson2
1From the Department of Radiology (P.R., V.E.Y.C., J.C.B., F.E.D., P.M.F., V.M.S., S.A.M., G.B.), Mayo Clinic, 200 1st Street Southwest, Rochester, MN, 55902; Siemens Medical Solutions USA (P.K.), Rochester, MN, 55901; and Research and Clinical Translation (A.S.D.-P, M.D.N.), Magnetic Resonance, Siemens Healthineers AG, Erlangen, Germany. raipranjal2@gmail.com.
在深度学习加速的内血管壁成像 (IC-VWI) 中添加延迟交替与调节适合激发 (DANTE) 准备,减少了文物和改善了光线可视化. 然而,这种增强伴随着船舶墙壁描绘的轻微减少.
科学领域:
- 医疗成像医学成像
- 神经辐射学神经辐射学
- 心血管成像 - 心血管成像
背景情况:
- 内血管壁成像 (IC-VWI) 对于诊断脑血管疾病至关重要.
- 深度学习 (DL) 加速提高了IC-VWI的效率.
- 在IC-VWI中优化对比增强和工件减少仍然是一个挑战.
研究的目的:
- 评估将延迟交替与营养定制激发 (DANTE) 制剂纳入IC-VWI的DL加速后对比T1-SPACE序列的可行性和性能.
- 评估DANTE制剂对膜和壁面可视化以及静脉流动器件的影响.
主要方法:
- 对35名接受IC-VWI治疗的患者进行了回顾性分析,其中包括使用DANTE制剂和不使用DANTE制剂.
- DL-T1-SPACE与DANTE (T1-SPACEDL+DANTE) 的比较与DL-T1-SPACE (T1-SPACEDL) 的比较.
- 神经放射学家对光线/壁可视化和静脉流动器件的评分;使用CLMMs和Wilcoxon测试进行统计分析.
主要成果:
- 与T1-SPACEDL+DANTE相比,T1-SPACEDL显著改善了光线可视化 (合并OR 40.02) 与T1-SPACEDL相比.
- T1-SPACEDL+DANTE减少了血管壁的可视化 (合并的OR为0.11).
- 在使用DANTE制剂分析的所有静脉亚部位上,静脉流动器件显著减少 (p<0.001).
结论:
- 将DANTE准备物整合到DL加速IC-VWI中,可以增强光线的描绘,减少文物.
- 该技术对改善内血管病变和动脉瘤的评估具有前景.
- 墙壁可视化的轻微减少是流量抑制的预期权衡.
相关概念视频
Plant Cell Wall
Avoidance Learning and Learned Helplessness
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
Integration by Parts: Indefinite Integrals
Integration by Parts: Definite Integrals
Bacterial Cell Wall
Composite Masonry Walls

