Radiology:深度學習與動脈自旋標記
最新
02-28
導語:與常規平均方法得到的ASL圖像,CNN能夠產生更優質、更準確的ASL圖像。
來源:梅斯醫學
本研究旨在利用深度學習演算法改善動脈自旋標記(ASL)灌注圖像的準確性和顯著性,並將結果發表在Radiology上。
對於利用配對剪影生成的ASL圖像,利用卷積神經網路(CNN)作為深度學習演算法。利用6或7個健康志願者常規偽連續ASL或114例不同疾病患者Hadamard編碼偽連續ASL圖像的平均值得到真實灌注圖像。訓練CNN來從一小部分(2或3)剪影圖像中得到灌注圖像,並由交叉驗證進行評價。來自患者組的CNN進行26個腦卒中組中進行測驗。對於均方差和放射學評分,利用配對T檢驗或Wilcoxon等級符號檢驗比較CNN與常規平均方法。
結果為,對於健康志願者和患者、腦卒中患者單獨測試,交叉驗證中CNN均方差約低於常規平均方法的40%(P
本研究表明,與常規平均方法得到的ASL圖像,CNN能夠產生更優質、更準確的ASL圖像。
原始出處:
Kim KH, Choi SH, Park SH. et al.Improving Arterial Spin Labeling by Using Deep Learning.Radiology.DOI: 10.1148/radiol.2017171154
本文系梅斯醫學(MedSci)原創編譯整理,轉載需授權!
邀您一起學習「如何解讀臨床實踐指南」:
指南是改善醫療質量的基石,如何更充分的閱讀和理解臨床實踐指南呢?
※肝膽外科手術實例——膽道畸形合併結石伴膽道蛔蟲
※如何完美對接日常臨床工作與領域的熱點研究?
TAG:梅斯醫學MedSci |