Support vector machine learning-based cerebral blood flow quantification for arterial spin labeling MRI.
Support vector machine learning-based cerebral blood flow quantification for arterial spin labeling MRI.
复制标题
DOI：
10.1002/hbm.22445
复制
发表时间：
2014-07
影响因子：
4.8
通讯作者：
Wang, Ze
中科院分区：
文献类型：
--
作者：
Wang, Ze
建立一种基于多变量机器学习分类的动脉自旋标记(ASL)脑血流(CBF)定量方法。利用一种机器学习算法--支持向量机对ASL MRI的标记图像和对照图像进行了分离。随后从多变量(全体素)支持向量机分类器中提取灌注加权图像。使用相同的前处理步骤，使用合成数据和体内ASL图像将所提出的方法与标准ASL CBF定量方法进行了比较。与传统的单变量方法相比，本文提出的ASL CBF量化方法显著改善了ASL CBF图像的空间信噪比和图像外观。基于多变量机器学习的分类对于ASL CBF的量化是有用的。
To develop a multivariate machine learning classification-based cerebral blood flow (CBF) quantification method for arterial spin labeling (ASL) perfusion MRI. The label and control images of ASL MRI were separated using a machine-learning algorithm, the support vector machine (SVM). The perfusion-weighted image was subsequently extracted from the multivariate (all voxels) SVM classifier. Using the same preprocessing steps, the proposed method was compared to standard ASL CBF quantification method using synthetic data and in-vivo ASL images. As compared to the conventional univariate approach, the proposed ASL CBF quantification method significantly improved spatial signal-to-noise-ratio (SNR) and image appearance of ASL CBF images. the multivariate machine learning-based classification is useful for ASL CBF quantification.
登录
查看更多内容
影响因子：
5.7
作者：
Mouao-Miranda, Janaina;Friston, Karl J.;Brammer, Michael
通讯作者：
Brammer, Michael
DOI：
10.1007/s10334-010-0209-8
发表时间：
2010-06-01
影响因子：
2.3
作者：
Bibic, Adnan;Knutsson, Linda;Wirestam, Ronnie
通讯作者：
Wirestam, Ronnie
影响因子：
8
作者：
Rasmussen, Peter M.;Hansen, Lars K.;Strother, Stephen C.
通讯作者：
Strother, Stephen C.
影响因子：
5.7
作者：
LaConte, S;Strother, S;Hu, XP
通讯作者：
Hu, XP
影响因子：
2.5
作者：
Hernandez-Garcia, Luis;Jahanian, Hesamoddin;Rowe, Daniel B.
通讯作者：
Rowe, Daniel B.