K-CC-MoCo: Una rápida corrección de movimiento respiratorio basado en el espacio k para una perfusión de primer paso...

Área de la Ciencia:

• Imágenes de resonancia magnética cardiovascular por resonancia magnética.
• Imágenes médicas Física de la física.
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• La RM cardiovascular de perfusión de primer paso (FPP-CMR) es crucial para el diagnóstico de la microcirculación y la enfermedad de las arterias coronarias.
• La corrección de movimiento FPP-CMR de respiración libre actual ocurre en el dominio de la imagen, lo que limita las técnicas avanzadas de reconstrucción.
• Las reconstrucciones basadas en modelos y aprendizaje profundo ofrecen imágenes de alta calidad a partir de exploraciones aceleradas, pero se ven obstaculizadas por los métodos actuales de corrección de movimiento.

Objetivo del estudio:

• Desarrollar y validar un nuevo método de corrección de movimiento basado en k-espacio para FPP-CMR de respiración libre.
• Para permitir la corrección de movimiento directamente dentro del espacio-k, evitando la reconstrucción inicial de la imagen.
• Facilitar la integración de la corrección de movimiento con técnicas avanzadas de reconstrucción basadas en modelos y aprendizaje profundo para FPP-CMR acelerado.

Principales métodos:

• Propuso K-CC-MoCo, un enfoque de corrección de movimiento rígido basado en k-espacio.
• Utilizó una función de objetivo de correlación cruzada normalizada adaptada para el contraste dinámico.
• Implementó una compresión de la bobina basada en el ROI para centrarse en la región cardíaca.
• Comparó K-CC-MoCo con el registro basado en imágenes de última generación utilizando fantasmas digitales y adquisiciones reales.

Principales resultados:

• K-CC-MoCo demostró una mejora de velocidad de aproximadamente 2x en comparación con los métodos basados en imágenes.
• Con éxito se corrigió el movimiento respiratorio en factores de aceleración altos (hasta 50x), donde los métodos basados en imágenes fallaron.
• Resultó en imágenes promediadas en el tiempo visiblemente menos borrosas, respaldadas por métricas cuantitativas como SSIM.

Conclusiones:

• K-CC-MoCo supera significativamente la corrección de movimiento basada en imágenes en la FPP-CMR de respiración libre acelerada.
• Permite una robusta estimación y corrección del movimiento respiratorio directamente en el espacio-k.
• Facilita FPP-CMR de alta calidad y altamente acelerado utilizando reconstrucciones de aprendizaje profundo y basadas en modelos.