排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
训练样本是所有领域人工智能(AI)研发的关键因素.目前,基于人工智能+磁共振成像(AI+MRI)的影像诊断存在着训练样本的有效标注数量和类型无法满足研发需求的瓶颈问题.本文利用临床MRI设备对志愿者或阳性病例进行正常或重点病灶区的定量扫描,获取高分辨率各向同性的纵向弛豫时间(T1)、横向弛豫时间(T2)、质子密度(Pd)和表观扩散系数(ADC)等物理信息的多维数据矩阵,作为原始数据.开发虚拟MRI技术平台,对原始数据(相当于数字人体样本)进行虚拟扫描,实现不同序列不同参数下的多种类磁共振图像输出.选择感兴趣组织具有最好边界区分度的图像种类,经有经验的影像医生对其进行手动勾画并轨迹跟踪形成三维MASK标注矩阵,作为其他种类图像的图像勾画标注模板,从而实现低成本、高效率的MRI样本增广和批量标注.该平台以临床少量阳性病例作为输入,进行样本增广和标注,极大地减少AI对实际扫描样本的要求,降低了影像医生的精力和时间投入,极大地节省了成本,并输出了数量足够的磁共振图像,为基于AI+MRI的影像诊断研发提供低成本的训练数据解决方案. 相似文献
2.
静息状态下脑功能连接的磁共振成像研究 总被引:1,自引:0,他引:1
静息状态下脑功能连接的磁共振成像研究近年来取得了迅猛发展. 通过对fMRI信号低频涨落成分的同步性分析,可以得到大脑静息态任意脑区的功能连接和多套网络系统,其中“默认网络”的发现可能为人脑固有网络的研究提供新的思路. 而静息态网络与解剖连接之间可能存在的对应,以及在神经精神疾病患者脑中性质和连接的异常改变,使其具有重要的研究和临床应用价值. 该文总结了静息状态功能磁共振成像的主要研究成果,对静息状态脑功能网络的发现和发展、研究方法、各网络及其特点以及在临床方面的应用进行简单的介绍和分析. 相似文献
1