Radiology：在PET/MRI评价基于深度学习MR成像衰减校准方法的可行性
2017-10-06 shaosai MedSci原创
本研究旨在提高和低价基于磁共振（MR）的深度学习方法衰减校准（AC）（深度MRAC）在颅脑正电子发射体层成像（PET）/MRI的价值，并将结果发表在Radiology上。
本研究旨在提高和低价基于磁共振（MR）的深度学习方法衰减校准（AC）（深度MRAC）在颅脑正电子发射体层成像（PET）/MRI的价值，并将结果发表在Radiology上。利用深度学习方法在MR图像中来模拟CT扫描从而建立PET/MR成像AC传输途径。深度卷积自动编码器进行识别空气、骨头、软组织并与CT图像进行匹配、训练。利用30例3D T1加权颅脑图像对该模型进行训练，通过比较生成的模拟CT扫描与CT扫描数据来评价10患者。利用推荐的方法对5例受试者进行即时PET/MR成像进行前瞻性研究。利用协方差分析和配对样本T检验进行统计学分析来比较PET深度MRAC重建错误和两种现存的基于MR成像的AC方法和基于CT的AC方法。深度MRAC能够提供准确的模拟CR扫描，空气、软组织和骨头的平均Dice系数分别为0.971 ± 0.005、 0.936 ± 0.011、0.803 ± 0.021。另外，深度MRAC能够提供良好的PET结果，在大部分的脑区平均错误低于1%。与基于Dixon 软组织和空气分割技术（-5.8% ± 3.1）和解剖学基于CT模板（-4.8% ± 2.2）比较，深度MRAC实
作者：shaosai
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#PET/MRI#
51
#可行性#
42
#PE#
45
#PET#
43
#评价#
44