机构名称：
¥ 1.0
摘要。在脑图像分析中，许多当前的管道对病变的存在不具有鲁棒性，从而降低了其准确性和鲁棒性。例如，处理病变时，经典医学图像处理操作（如非线性配准或分割）的性能会迅速下降。为了尽量减少它们的影响，一些作者提出修复这些病变，以便可以使用经典管道。然而，这需要手动划定感兴趣的区域，这很耗时。在本文中，我们提出了一个深度网络，它能够自动盲目地修复脑图像中的病变，从而使当前管道在病理条件下稳健地运行。我们使用 SPM12 管道和我们自动修复的图像证明了脑分割问题中改进的鲁棒性/准确性。关键词：病变修复、MRI、深度学习、稳健分割。
使用深度学习进行盲 MRI 脑损伤修复
主要关键词
相关文件推荐
