May, 2024

多参美体 MRI 系列的自动分类

PDF
TL;DR提出了一种自动化的框架来对多参数磁共振成像（mpMRI）研究中的不同系列进行分类，使用了 DenseNet-121 模型，以 96.6% 的平均精确度、敏感性和 F1 值以及 99.6% 的特异度在 mpMRI 研究中取得了较高的分类性能。为我们所知，这是首个能够对胸部、腹部和盆腔层次的 mpMRI 研究中不同系列进行分类的方法，具备了在现代放射学实践中进行稳健自动化悬挂方案的能力。
发现论文，激发创造
  • 利用卷积神经网络自动分类体 MRI 序列类型

    提出了一种自动分类胸、腹部和盆腔的三维 MRI 序列的方法，以减少临床医生的监督并确保 DICOM 标头的有效性，实验结果表明这种方法优于先前的 MRI 序列分类器。

    Feb, 2024

  • 使用图像内容和元数据自动分类前列腺核磁共振系列类型

    通过结合图像数据和 DICOM 元数据，我们提出了一种基于深度学习的前列腺癌扫描序列分类方法，相较于仅使用元数据或图像数据，我们展示了更优越的结果。

    Apr, 2024

  • 基于 CNN 视频分类框架的脑磁共振图像分析实证研究

    本研究针对医学影像识别问题，探讨应用视频识别技术作为磁共振图像分类的方法，并运用三种不同的视频识别模型和数据增强技巧分别对四个阿尔茨海默病和帕金森病识别数据集进行实验。结果显示，相对于 3D-CNN 模型，视频框架在有效性上表现更佳，可减少 50% 至 66% 的可训练参数。该研究推进了 3D 医学成像和视频理解研究的融合潜力。

    Feb, 2023

  • 使用卷积神经网络对磁共振图像模态进行分类

    提出一种基于三维卷积神经网络的磁共振图像对比度分类方法，在多个任务中验证其准确性可达 97.57%。

    Apr, 2018

  • 基于 3D CNN 的 sMRI 和 MD-DTI 图像分类，用于阿尔茨海默病研究

    本文研究了自动分类方法的主要趋势，探讨了卷积神经网络和 MRI 在海马区 ROI 上融合的痴呆症诊断算法，以及通过数据增强来平衡不同大小的类别对分类结果的影响。

    Jan, 2018

  • MRSegmentator: MRI 和 CT 序列中 40 个类别的鲁棒多模态分割

    提出了一个能够在 MRI 扫描中进行多器官分割的深度学习模型，通过解决 MRI 分析中分辨率、标准化强度值和序列可变性的挑战，为当前的 MRI 分析限制提供了解决方案。

    May, 2024

  • 脑肿瘤放射遗传分类

    通过对多参数 mpMRI 扫描图片（T1w，T1wCE，T2w 和 FLAIR）进行二分类，RSNA-MICCAI 脑肿瘤放射基因组分类挑战旨在预测胶质母细胞瘤中的 MGMT 生物标记物状态。我们使用的数据集分为三个主要组：训练集、验证集（在训练中使用），以及仅在最终评估期间使用的测试集。图像可以是 DICOM 格式或 Png 格式。我们尝试了不同的架构，包括三维版本的 Vision Transformer（ViT3D）、ResNet50、Xception 和 EfficientNet-B3，以研究这个问题。我们使用 AUC 作为主要评估指标，在测试集上，ViT3D 模型和 Xception 模型分别达到了 0.6015 和 0.61745 的优势。与其他结果相比，我们的结果在这个复杂的任务中证明是有效的。通过探索不同的策略、不同的架构和更多样化的数据集，可以进一步提高。

    Jan, 2024

  • 评估序列组合对多参数磁共振成像乳腺肿瘤分割的影响

    使用 nnU-Net 模型，研究探讨不同序列的 mpMRI 在乳腺肿瘤分割中的影响，并通过在多中心 mpMRI 数据集上的评估，证明了使用动态对比增强 MRI 序列可以获得较高的功能性肿瘤体积分割 Dice 相似系数和整个肿瘤掩膜分割改善。然而，添加 T2w 序列对结果影响不显著，需要进一步研究。该研究为未来的乳腺癌治疗反应预测提供基础。

    Jun, 2024

  • DICOM 影像路由器：一种用于从 DICOM X 光扫描中分类身体部位的开放深度学习框架

    本研究提出了一种基于深度卷积神经网络（CNN）的 DICOM 成像路由器，用于将未知的 DICOM X 射线图像分类为五个解剖部位，从而使深度 CNNs 能够准确有效地区分 X 射线扫描中的人体部分，从而为临床设置中广泛应用提供潜在的好处。

    Aug, 2021

  • 卷积神经网络在 MR 脑图像自动分割中的应用

    使用卷积神经网络的多尺度信息，对单个解剖学 MR 图像进行自动分割，取得了在不同年龄和采集协议下的高度准确的分割结果。

    Apr, 2017