典型文献
基于教师督导的磁共振图像联合重建与分割
文献摘要：
现有的深度学习方法倾向于将磁共振图像重建与分割作为两个单独的任务来处理,而没有考虑到两个任务之间的相关性.如果简单地对重建网络与分割网络进行拼接训练,则可能会由于任务之间的优化难度差异而影响重建与分割的最终效果.基于改进后的教师督导网络训练策略,开发了一种磁共振图像联合重建与分割的多任务深度学习方法.新设计的教师督导策略迭代地以中间重建输出和全采样数据来指导多任务网络训练,缓解误差积累.在一个公开数据集和一个内部数据集上对所提方法进行评估,并与6种现有方法进行了比较.实验结果表明,与对比方法相比,所提方法在实现重建与分割协同优化的同时提升了重建图像质量和分割精度.
文献关键词：
计算机视觉;磁共振图像重建与分割;多任务网络;任务驱动成像;教师督导
中图分类号：
作者姓名：
张宇;李浩然;李程;李飞;王珊珊
作者机构：
中国科学院深圳先进技术研究院劳特伯生物医学成像研究中心,广东 深圳518055;中国科学院大学,北京100049
文献出处：
引用格式：
[1]张宇;李浩然;李程;李飞;王珊珊-.基于教师督导的磁共振图像联合重建与分割)[J].激光与光电子学进展,2022(14):256-262
A类：
磁共振图像重建与分割,任务驱动成像
B类：
教师督导,深度学习方法,割作,重建网络,分割网络,拼接,网络训练,训练策略,策略迭代,代地,采样数据,多任务网络,差积,公开数据集,内部数据,比方,协同优化,重建图像,图像质量,计算机视觉
AB值：
0.27023
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。
