机构名称：
¥ 1.0
摘要。在本文中，我们提出了一个从部分体积（PV）图中合成3D脑T1加权（T1-W）MRI图像的框架，目的是生成具有更多积分率组织边界的合成MRI体积。合成的MRI需要扩大和丰富用于培训脑部分割和相关模型的非常有限的数据集。与当前的最新方法相比，我们的框架利用PV-MAP属性，以指导生成的对抗网络（GAN）来生成更准确和更现实的合成MRI体积。我们证明了在PV-MAP上而不是二进制映射的条件，导致合成MRIS中的精确组织边界更加准确。此外，我们的结果表明，在合成MRI体积中，深灰质区域的表示有所改善。最后，我们表明，在合成图像中反映了引入PV映射的细胞变化，同时保留了准确的组织边界，从而在新的合成MRI体积的数据合成过程中可以更好地控制。
Davidson，Matthew J.，Mithen，Will，Hogendoorn，Hinze，Hinze，van Boxtel，Jeroen J.A.和Tsuchiya，Naotsugu（2020）SSVEP引起了注意，而不是意识
主要关键词
相关文件推荐
