Mar, 2024

家族性脑凝血瘤病变进展评估的创新定量分析

PDF
TL;DR建议了一个基于定量统计的模块化框架，用于定量评估遗传性脑海绵状血管瘤病变的严重程度和病变的进展，并且在临床决策过程中提供客观、准确、全面的定量统计信息，以加速脑海绵状血管瘤的临床研究进展和临床决策的制定。
familial cerebral cavernous malformationquantitative statistical frameworklesion segmentationquantitative statisticsclinical decision-making
发现论文，激发创造
  • 利用先验知识指导的深度学习技术实现多中心脑部 MRI 的空泡检测和量化

    开发一种新框架，用于自动检测小血管病和认知疾病视图中的腔隙性病变，该框架通过输出分类负担评分来简化和有效加速识别过程，并减少对噪声标签的敏感度。

    Jun, 2023

  • 利用深度学习实现解剖学尺度定位自动检测微出血，实现完整临床诊断支持

    本文提出了一种新的基于 3D 深度学习框架的脑部小出血检测方法，不仅可以检测 CMBs，还可以确定它们在脑部的解剖位置，以此显著降低假阳性率并提高检测灵敏度。

    Jun, 2023

  • FetMRQC：胎儿脑 MRI 自动质量控制

    本论文提出了一种适用于胎儿脑 MRI 的机器学习框架 FetMRQC，旨在自动评估图像质量，提取多种质量指标用于预测专家评分，并且相较于现有的质量评估指标更具一般化性、可解释性和数据效率，同时释出了一种新型手动质量评估工具。

    Apr, 2023

  • 多尺度定位感知的深度三维卷积神经网络，用于自动检测推测为血管性来源的腔隙

    使用卷积神经网络的自动化方法可以高效地检测出脑血管源性腔隙，具有减少误检率的优势，并且可以促进神经退行性疾病的研究。

    Oct, 2016

  • FetMRQC：一个用于多中心胎儿脑部核磁共振成像质量控制的开源机器学习框架

    产前诊断中，胎儿脑 MRI 成为神经超声的重要补充，通过对妊娠期间胎儿脑发育的基本洞察。本研究提出 FetMRQC，一个开源的机器学习框架，用于自动图像质量评估和质量控制，克服了临床数据异质性引起的领域转移问题。该框架从原始解剖 MRI 中提取一组质量指标，并结合随机森林模型预测专家评分。通过对超过 1600 个手动评级的胎儿脑部 T2 加权图像进行验证，显示 FetMRQC 的预测结果泛化到未知数据，并具有可解释性。FetMRQC 是更稳健的胎儿脑神经影像学研究的一步，有潜力对人脑发育产生新的洞察。

    Nov, 2023

  • 基于深度学习的冠状动脉分数流预测

    基于深度学习的方法从冠状动脉 CTA 扫描中预测冠状动脉沿程血流储备指数（FFR），为快速准确、自动化的 FFR 预测铺平了道路。

    Aug, 2023

  • qDWI-Morph：用于胎儿肺部成熟度评估的运动补偿定量扩散加权 MRI 分析

    使用 qDWI-morph，我们成功地开发了一种无监督深度神经网络体系结构来实现运动补偿的定量 DWI 分析，从而提供了一种可以用于无创胎肺成熟度评估的临床可行的生物标志物。

    Aug, 2022

  • 认知能力减退中的定量磁敏感成像：技术方面与应用综述

    本文系统回顾了量化磁敏感性映射 (QSM) 技术及其在神经系统疾病如帕金森病、老年痴呆症和多发性硬化症等诊断和检测中的应用，创新性地提出了预测各种神经疾病的生物标志物，并讨论了 QSM 的未来发展及其应用。

    Nov, 2022

  • 时态不确定性定位用于启用人工分析动态增强心脏磁共振数据集

    本研究介绍了一种使用深度神经网络进行心脏动态对比增强磁共振成像的动态质量控制技术，通过引入一种新的时空不确定性度量指标来可靠地检测失败的分割结果，并通过与人工专家的合作改进分割结果，从而提高 DCE-CMRI 图像的 Dice 系数并减少分割失败的图像数量。该方法为动态 CMRI 数据提供了一种有效的人机协同分析框架，有助于临床解读和报告动态 CMRI 数据。

    Aug, 2023

  • 基于扩散模型的脑出血图像半监督学习，用于有效的中线偏移量量化

    本文提出了一个新的半监督框架，通过使用稀疏标记的 MLS 切片和扩散模型对大量未标记的 MLS 数据和 2793 个非 MLS 案例进行表征学习和正则化，准确测量头部 CT 扫描中 MLS 的规模，从而实现了对临床脑出血数据集的最新成果性能的实验，并能够生成可解释的形变场。

    Jan, 2023