Longitudinal Prediction of Postnatal Brain Magnetic Resonance Images via a Metamorphic Generative Adversarial Network

计算机科学 生成语法 对比度(视觉) 人工智能 翻译(生物学) 对抗制 深度学习 模式识别(心理学) 磁共振成像 神经影像学 功能(生物学) 机器学习 心理学 神经科学 医学 放射科 信使核糖核酸 基因 生物 进化生物学 化学 生物化学
作者
Yunzhi Huang,Sahar Ahmad,Luyi Han,Shuai Wang,Zhengwang Wu,Weili Lin,Gang Li,Li Wang,Pew Thian Yap
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2208.04825
摘要

Missing scans are inevitable in longitudinal studies due to either subject dropouts or failed scans. In this paper, we propose a deep learning framework to predict missing scans from acquired scans, catering to longitudinal infant studies. Prediction of infant brain MRI is challenging owing to the rapid contrast and structural changes particularly during the first year of life. We introduce a trustworthy metamorphic generative adversarial network (MGAN) for translating infant brain MRI from one time-point to another. MGAN has three key features: (i) Image translation leveraging spatial and frequency information for detail-preserving mapping; (ii) Quality-guided learning strategy that focuses attention on challenging regions. (iii) Multi-scale hybrid loss function that improves translation of tissue contrast and structural details. Experimental results indicate that MGAN outperforms existing GANs by accurately predicting both contrast and anatomical details.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
自然的梦松关注了科研通微信公众号
3秒前
徐开心完成签到,获得积分10
5秒前
风吹似夏完成签到,获得积分10
5秒前
moon发布了新的文献求助10
5秒前
6秒前
机灵的飞兰完成签到,获得积分10
6秒前
少华完成签到,获得积分10
6秒前
7秒前
腼腆的斩完成签到,获得积分10
7秒前
8秒前
8秒前
顾矜应助郁金香采纳,获得10
9秒前
无敌kkk发布了新的文献求助10
9秒前
9秒前
万能图书馆应助啦啦咔嘞采纳,获得10
9秒前
大秋哥哈拉少完成签到,获得积分10
11秒前
11秒前
jam发布了新的文献求助10
12秒前
12秒前
13秒前
14秒前
SciGPT应助郁香薇采纳,获得10
16秒前
Billy发布了新的文献求助30
16秒前
16秒前
万能图书馆应助嘟嘟采纳,获得10
17秒前
贝star完成签到,获得积分10
17秒前
17秒前
18秒前
李健应助枕安采纳,获得10
18秒前
忐忑的鬼神完成签到,获得积分10
18秒前
19秒前
高定完成签到,获得积分10
20秒前
ayuelei发布了新的文献求助10
20秒前
eros发布了新的文献求助10
21秒前
Selina完成签到 ,获得积分10
21秒前
raye完成签到,获得积分10
21秒前
Y垚完成签到,获得积分10
21秒前
22秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Picture Books with Same-sex Parented Families: Unintentional Censorship 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3969557
求助须知:如何正确求助?哪些是违规求助? 3514377
关于积分的说明 11173836
捐赠科研通 3249692
什么是DOI,文献DOI怎么找? 1794979
邀请新用户注册赠送积分活动 875537
科研通“疑难数据库(出版商)”最低求助积分说明 804836