人工智能定量核磁共振:从质量提高参数估计

科学进步的MRI诊断和预后可能是由机会从参数中提取定量信息地图——来自大量可用的MRI序列和技术——病理生理过程和疾病的发病机理和链接它们。最近在磁共振扫描仪制造业技术进步导致更强大和更均匀的磁场,更好的接收线圈,和混合MRI pet系统以及新的智能造影剂,异国情调的多峰性示踪剂和小说磁共振脉冲序列技术的数量增加导致小说定量生物标志物。由于目前更大的计算能力,人工智能(AI)是一个强大的和可行的选择,帮助生成可靠的定量地图。目前开发的人工智能算法的广泛使它适合用于多种成像模式和技术。

MRI科学界不断致力于改善参数估计的计算算法,旨在达到更高的重现性和准确性,以更好地描述生物机制和变化发生在组织调查。虽然一些定量核磁共振技术依靠简单的解析表达式来计算参数,在大多数情况下,噪音,工件,数据的整体质量和内在的复杂性技术使参数估计具有挑战性的和容易出错。大量的机器学习和人工智能工具和他们的灵活性为科学家们提供许多机会对于成像的应用程序,但它也需要广泛的研究工作从整个社区学习如何和在哪里使用每个算法更有效。在这种背景下,本研究课题提出的一组论文旨在评估和整合人工智能算法的进步的影响定量成像在MRI生物医学应用。

这个研究课题奉行的目标推进的前沿定量医学成像。雷竞技rebat作者欢迎提交他们的临床和基础科学研究集中在基于ai的使用方法从MRI可以提取定量信息转化为医学研究和临床实践。论文考虑出版物不仅方法论的著作,而且基于ai的就业定量核磁共振方法在医学应用从基础科学动物生理学研究和调查临床治疗疾病的调查。发表论文将涵盖的不同方面的使用人工智能优化等定量核磁共振的收购协议、图像重建、图像后处理数据准备、质量改进(超分辨率、去噪等)来提高信号和消除工件,和参数估计。

关键字:人工智能、机器学习、神经网络、核磁共振、定量核磁共振,参数估计,图像增强,图像重建,协议优化、转化研究

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。