文献类型：期刊文章

作　　者：邓开轩[1] 程欣宇[1] 王丽会[1]

DENG Kai-Xuan;CHENG Xin-Yu;WANG Li-Hui(Key Laboratory of Intelligent Medical Image Analysis and Precise Diagnosis of Guizhou Province,College of Computer Science and Technology,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学计算机科学与技术学院贵州省智能医学影像分析与精准诊断重点实验室,贵阳550025

出　　处：《计算机系统应用》

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

年　　份：2022

卷　　号：31

期　　号：8

起止页码：212-222

语　　种：中文

收录情况：IC、JST、ZGKJHX、普通刊

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.

关 键 词：体素内不相干运动成像  参数估计 大脑  深度学习  动态卷积  扩散加权成像 图像生成

分 类 号：TP391.41]