基于动态卷积的体素内不相干运动成像参数估计
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(62161004); 中法蔡元培项目(41400TC); 贵州省科技计划(ZK[2021]Key 002, [2018]5301)


Estimation of Intravoxel Incoherent Motion Imaging Parameters Based on Dynamic Convolution
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    体素内不相干运动(IVIM)磁共振成像是一种能够表征生物组织内水分子扩散和灌注的无创技术. 传统IVIM参数估计方法受到图像噪声的影响, 参数估计效果不佳. 为了准确、快速地确定组织区域的扩散和灌注参数信息, 本文充分考虑来自于体素信号之间的上下文信息和b值对于IVIM参数的贡献程度, 提出一种基于动态卷积模块的一维卷积神经网络(dynamic convolutional neural network, DCNN)估计IVIM参数. 在具有不同噪声水平的测试仿真数据和真实采集图像上, 与传统的IVIM参数估计方法进行了比较. 实验结果表明, 本文提出的DCNN方法能够降低IVIM参数的变异系数、偏差和相对均方根误差, 提高了参数一致性和鲁棒性的同时, 仍具有较高的IVIM参数视觉质量.

    Abstract:

    Intravoxel incoherent motion (IVIM) magnetic resonance imaging is a non-invasive technique, which can characterize the diffusion and perfusion of water molecules in biological tissues. Traditional IVIM parameters estimation methods are highly affected by the noise, and the parameter estimation is not effective. In order to accurately and quickly determine the diffusion and perfusion parameters in tissue regions, this study proposesd a one-dimensional dynamic convolutional neural network (DCNN) based on the dynamic convolutional module to estimate IVIM parameters. It taking takes into account the contextual information between the voxel signals and the contribution of b-values, to estimate IVIM parameters. The DCNN is compared with the traditional estimation method on the test simulation data and real acquisition images underwith different noise levels. The experimental results show that the proposed DCNN method can reduce the coefficient of variation, bias, and relative root mean square error of the IVIM parameters and, improve the parameter consistency and robustness, and have with good visual quality at the same time.

    参考文献
    相似文献
    引证文献
引用本文

邓开轩,程欣宇,王丽会.基于动态卷积的体素内不相干运动成像参数估计.计算机系统应用,,():1-11

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-11-25
  • 最后修改日期:2021-12-22
  • 录用日期:
  • 在线发布日期: 2022-06-16
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号