Un enfoque de estimación de imágenes y movimientos conjuntos asistido por red para una corrección robusta del...

Área de la Ciencia:

• Imágenes médicas
• Imágenes neurológicas
• Neurociencia computacional

Sus antecedentes:

• Los artefactos de movimiento son un desafío significativo en la imagen por resonancia magnética 3D (IRM), lo que puede comprometer la calidad de la imagen y la precisión del diagnóstico.
• Las técnicas de corrección de movimiento existentes a menudo implican compensaciones entre la precisión de la corrección y el tiempo computacional.

Objetivo del estudio:

• Desarrollar y evaluar un nuevo método, UNet+JE, para la corrección del movimiento en 3D en resonancia magnética utilizando una combinación de redes neuronales y modelado físico.
• Evaluar el rendimiento de UNet+JE a través de varios niveles de corrupción de movimiento tanto en datos simulados como in vivo.

Principales métodos:

• El método UNet+JE integra una red neuronal (UNet_mag) con un algoritmo basado en la física para la estimación conjunta de parámetros de movimiento e imágenes compensadas por movimiento.
• El método se entrenó en conjuntos de datos con severidad variable de corrupción de movimiento y se comparó con UNet_mag y un método de estimación conjunta de referencia (JE).
• El rendimiento se evaluó en escáneres T1w 3D MPRAGE de 40 participantes con movimiento simulado y 10 participantes con movimiento in vivo.

Principales resultados:

• UNet+JE demostró una corrección de movimiento superior en comparación con UNet_mag en todas las métricas tanto para datos simulados como in vivo (p < 10^-2).
• UNet_mag mostró artefactos residuales y desenfoque, con mayor susceptibilidad a los cambios en la distribución de datos que UNet+JE.
• UNet+JE logró una calidad de corrección de imagen comparable a la de JE (p > 0,05) pero redujo significativamente los tiempos de ejecución en un factor mediano de 2,00-3,80 (simulado) y 4,05 (in vivo).

Conclusiones:

• UNet+JE combina efectivamente la robustez de la estimación conjunta con la velocidad de las redes neuronales para la corrección de movimiento de resonancia magnética 3D de alta calidad.
• El método proporciona una compensación de movimiento precisa en una amplia gama de niveles de corrupción al tiempo que disminuye significativamente el tiempo de procesamiento.