...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Medical image analysis >Towards robust deconvolution of low-dose perfusion CT: Sparse perfusion deconvolution using online dictionary learning
【24h】

Towards robust deconvolution of low-dose perfusion CT: Sparse perfusion deconvolution using online dictionary learning

机译：走向低剂量灌注CT的强反褶积：使用在线字典学习的稀疏灌注反褶积

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

Computed tomography perfusion (CTP) is an important functional imaging modality in the evaluation of cerebrovascular diseases, particularly in acute stroke and vasospasm. However, the post-processed parametric maps of blood flow tend to be noisy, especially in low-dose CTP, due to the noisy contrast enhancement profile and the oscillatory nature of the results generated by the current computational methods. In this paper, we propose a robust sparse perfusion deconvolution method (SPD) to estimate cerebral blood flow in CTP performed at low radiation dose. We first build a dictionary from high-dose perfusion maps using online dictionary learning and then perform deconvolution-based hemodynamic parameters estimation on the low-dose CTP data. Our method is validated on clinical data of patients with normal and pathological CBF maps. The results show that we achieve superior performance than existing methods, and potentially improve the differentiation between normal and ischemic tissue in the brain.
机译：计算机断层扫描灌注（CTP）是评估脑血管疾病（尤其是急性中风和血管痉挛）的重要功能成像方式。但是，由于嘈杂的对比度增强特性和当前计算方法产生的结果的震荡特性，后处理的血流参数图趋于嘈杂，尤其是在低剂量CTP中。在本文中，我们提出了一种鲁棒的稀疏灌注解卷积方法（SPD）来估计低辐射剂量下CTP中的脑血流量。我们首先使用在线字典学习从大剂量灌注图构建字典，然后对低剂量CTP数据执行基于反卷积的血液动力学参数估计。我们的方法在具有正常和病理性CBF图的患者的临床数据上得到了验证。结果表明，我们获得了比现有方法更好的性能，并潜在地改善了大脑中正常组织和缺血组织之间的分化。

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