典型文献
基于自监督深度学习的心肌磁共振T1量化成像运动校正算法研究
文献摘要：
目的 为了去除运动的影响并得到准确的心肌磁共振T1参数成像,本研究提出一种基于自监督深度学习的运动校正算法.方法 该算法采用卷积神经网络结构来估计运动场,通过空间变换层将运动场作用到待配准图像上得到运动校正后的图像,并利用图像相似度结合运动场平滑约束的损失函数来进行网络优化.结果 本研究在47例健康志愿者的心脏磁共振图像上进行训练和测试,并与一种传统配准方法进行比较.结果 显示,本方法的Dice相似系数、心肌边界误差和心肌T1量化值的误差分别为0.79,0.925 mm和59.22 ms,均优于未配准图像和传统方法.结论 本文提出的方法为心脏疾病的临床诊断提供了一个高效准确的自动化工具,有望大规模临床使用.
文献关键词：
磁共振成像;T1参数量化成像;运动校正;自监督深度学习
中图分类号：
作者姓名：
吴春燕;李雨泽;丁海艳;陈慧军
作者机构：
清华大学 医学院 生物医学工程系,北京 100084
文献出处：
引用格式：
[1]吴春燕;李雨泽;丁海艳;陈慧军-.基于自监督深度学习的心肌磁共振T1量化成像运动校正算法研究)[J].中国医疗设备,2022(03):13-17
A类：
自监督深度学习
B类：
运动校正算法,算法研究,数成,神经网络结构,运动场,空间变换,上得,图像相似度,相似度结合,合运动,平滑约束,损失函数,网络优化,健康志愿者,心脏磁共振,磁共振图像,统配,配准方法,Dice,相似系数,ms,心脏疾病,自动化工具,临床使用,磁共振成像,参数量化
AB值：
0.309155
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
