科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 为了去除运动的影响并得到准确的心肌磁共振T1参数成像，本研究提出一种基于自监督深度学习的运动校正算法。方法 该算法采用卷积神经网络结构来估计运动场，通过空间变换层将运动场作用到待配准图像上得到运动校正后的图像，并利用图像相似度结合运动场平滑约束的损失函数来进行网络优化。结果 本研究在47例健康志愿者的心脏磁共振图像上进行训练和测试，并与一种传统配准方法进行比较。结果显示，本方法的Dice相似系数、心肌边界误差和心肌T1量化值的误差分别为0.79,0.925 mm和59.22 ms，均优于未配准图像和传统方法。结论 本文提出的方法为心脏疾病的临床诊断提供了一个高效准确的自动化工具，有望大规模临床使用。
- 单位
