• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Convolutional neural networks for automated cell detection in magnetic resonance imaging data.
【24h】

Convolutional neural networks for automated cell detection in magnetic resonance imaging data.

机译：用于磁共振成像数据中细胞自动检测的卷积神经网络。

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

Cell-based therapy (CBT) is emerging as a promising solution for a large number of serious health issues such as brain injuries and cancer. Recent advances in CBT, has heightened interest in the non-invasive monitoring of transplanted cells in in vivo MRI (Magnetic Resonance Imaging) data. These cells appear as dark spots in MRI scans. However, to date, these spots are manually labeled by experts, which is an extremely tedious and a time consuming process. This limits the ability to conduct large scale spot analysis that is necessary for the long term success of CBT. To address this gap, we develop methods to automate the spot detection task. In this regard we (a) assemble an annotated MRI database for spot detection in MRI; (b) present a superpixel based strategy to extract regions of interest from MRI; (c) design a convolutional neural network (CNN) architecture for automatically characterizing and classifying spots in MRI; (d) propose a transfer learning approach to circumvent the issue of limited training data, and (e) propose a new CNN framework that exploits labeling behavior of the expert in the learning process. Extensive experiments convey the benefits of the proposed methods.
机译：基于细胞的疗法（CBT）正在成为解决许多严重健康问题（如脑损伤和癌症）的有前途的解决方案。 CBT的最新进展引起了人们对体内MRI（磁共振成像）数据中移植细胞的非侵入性监测的关注。这些细胞在MRI扫描中显示为黑点。然而，迄今为止，这些斑点是由专家手动标记的，这是非常繁琐且耗时的过程。这限制了进行大规模现场分析的能力，这是CBT长期成功所必需的。为了解决这一差距，我们开发了自动执行斑点检测任务的方法。在这方面，我们（a）组装一个带注释的MRI数据库，以进行MRI中的斑点检测； （b）提出了一种基于超像素的策略来从MRI中提取感兴趣区域; （c）设计卷积神经网络（CNN）架构，以自动表征和分类MRI中的斑点； （d）提出一种转移学习方法来规避有限训练数据的问题，并且（e）提出一种新的CNN框架，该框架利用学习过程中专家的标签行为。广泛的实验传达了所提出方法的好处。

著录项

  • 作者

    Afridi, Muhammad Jamal.;

  • 作者单位

    Michigan State University.;

  • 授予单位 Michigan State University.;
  • 学科 Computer science.
  • 学位 Ph.D.
  • 年度 2017
  • 页码 135 p.
  • 总页数 135
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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