トランスフォーマーベースの動脈スピンラベリング perfusion MRI denoising

科学分野:

• 医療用イメージング
• 医療における人工知能
• 神経イメージング

背景:

• 動脈回転ラベリング (ASL) 輸液MRIは,脳血流 (CBF) を非侵襲的に定量化します.
• ASL MRIは信号対ノイズ比 (SNR) が低く,限られたデータで画像品質に問題があります.
• 既存のコンボリューションニューラルネットワーク (CNN) の無音化方法は,画像の質感と強度の可変性を失う可能性があります.

研究 の 目的:

• ASL CBF画像のための高度なデノイジング方法を開発する.
• 現在のCNNベースのデノイジング技術の限界に対処するためです.
• ASL CBF画像の可視化とテクスチャの保存を改善する.

主な方法:

• ハイブリッドU-ネットとスウィントランスフォーマー (HUST) モデルをASL CBFの消音のために提案しました.
• U-Netをバックボーンとして利用し,Swin TransformersをCNNのレイヤに置き換えた.
• スウィン・トランスフォーマーは,階層構造と窓の注意をシフトすることによって,パラメータを削減して効率的な特性を抽出するために使用されました.

主要な成果:

• HUSTはASL CBF画像の可視化とテクスチャの保存に大幅な改善を示しました.
• この方法は2D (277人の被験者) と3D (110人の被験者) のASL CBFデータセットで訓練され,テストされました.
• HUSTは最先端の3つの方法と比較して,2Dデータと3Dデータの両方のPSNRとSSIM値が高く,優れた性能を達成しました.

結論:

• HUSTはASL CBF画像を効果的に消し,視覚化を強化し,重要な画像特性を保存します.
• この方法は,CBFの定量化品質を損なうことなく,データの収集時間を短縮します.
• HUSTはASL perfusion MRIの重要な進歩であり,優れた画像品質と効率性を提供しています.