• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Predictive intelligence in medicine >Transfer Learning for Task Adaptation of Brain Lesion Assessment and Prediction of Brain Abnormalities Progression/Regression Using Irregularity Age Map in Brain MRI
【24h】

Transfer Learning for Task Adaptation of Brain Lesion Assessment and Prediction of Brain Abnormalities Progression/Regression Using Irregularity Age Map in Brain MRI

机译：转移学习用于脑部病变评估的任务适应以及使用脑部MRI中的不规则年龄图来预测脑异常进展/回归

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The Irregularity Age Map (IAM) for the unsupervised assessment of brain white matter hyperintensities (WMH) opens several opportunities in machine learning-based MRI analysis, including transfer task adaptation learning in the segmentation and prediction of brain lesion progression and regression. The lack of need for manual labels is useful for transfer learning. Whereas the nature of IAM itself can be exploited for predicting lesion progression/regression. In this study, we propose the use of task adaptation transfer learning for WMH segmentation using CNN through weakly-training UNet and UResNet using the output from IAM and the use of IAM for predicting patterns of WMH progression and regression.
机译：不规则性年龄图（IAM）用于无​​监督评估脑白质高信号（WMH），在基于机器学习的MRI分析中提供了一些机会，包括在脑部病变进展和回归的分割和预测中的转移任务适应性学习。不需要手动标签对于转移学习很有用。而IAM本身的性质可用于预测病变的进展/消退。在这项研究中，我们建议通过IAM的输出通过弱训练UNet和UResNet来使用CNN对WMH进行任务适应转移学习，并使用IAM预测WMH的进展和回归模式。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号