基于伪标签学习：深度网络提高纵向脑容量估计的一致性
摘要：使用三维T1加权MRI扫描，这篇论文介绍了一种基于深度学习的方法DeepBVC，用于测量纵向脑体积变化。DeepBVC通过SIENA的中间输出进行训练，旨在考虑不同扫描仪和采集方案导致的差异。与SIENA相比，DeepBVC在多发性硬化症患者的多个时间点上估计体积变化更具一致性；并且在扫描再次重复实验中表现出更高的稳定性和优越的性能。此外，结果还表明，DeepBVC对于成像对比度、像素分辨率、随机偏置场和信噪比的采集差异不敏感。测量的稳健性、自动化和处理速度显示了DeepBVC在研究和临床定量神经影像应用中的广泛潜力。
作者：Geng Zhan, Dongang Wang, Mariano Cabezas, Lei Bai, Kain Kyle, Wanli Ouyang, Michael Barnett, Chenyu Wang
论文ID：2302.03975
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-02-09