訓練樣本是所有領(lǐng)域人工智能（AI）研發(fā)的關(guān)鍵因素.目前,基于人工智能+磁共振成像（AI+MRI）的影像診斷存在著訓練樣本的有效標注數(shù)量和類型無法滿足研發(fā)需求的瓶頸問題.本文利用臨床MRI設(shè)備對志愿者或陽性病例進行正�；蛑攸c病灶區(qū)的定量掃描,獲取高分辨率各向同性的縱向弛豫時間（T₁）、橫向弛豫時間（T₂）、質(zhì)子密度（Pd）和表觀擴散系數(shù)（ADC）等物理信息的多維數(shù)據(jù)矩陣,作為原始數(shù)據(jù).開發(fā)虛擬MRI技術(shù)平臺,對原始數(shù)據(jù)（相當于數(shù)字人體樣本）進行虛擬掃描,實現(xiàn)不同序列不同參數(shù)下的多種類磁共振圖像輸出.選擇感興趣組織具有最好邊界區(qū)分度的圖像種類,經(jīng)有經(jīng)驗的影像醫(yī)生對其進行手動勾畫并軌跡跟蹤形成三維MASK標注矩陣,作為其他種類圖像的圖像勾畫標注模板,從而實現(xiàn)低成本、高效率的MRI樣本增廣和批量標注.該平臺以臨床少量陽性病例作為輸入,進行樣本增廣和標注,極大地減少AI對實際掃描樣本的要求,降低了影像醫(yī)生的精力和時間投入,極大地節(jié)省了成本,并輸出了數(shù)量足夠的磁共振圖像,為基于AI+MRI的影像診斷研發(fā)提供低成本的訓練數(shù)據(jù)解決方案. 

【文章頁數(shù)】：10 頁


本文編號：3728064