0.55 Tでの肝脂肪の定量化は,局所的に低ランクで強制的な深層学習再構築によって可能である

科学分野:

• 医療用イメージング
• 人工知能
• 生物医学工学

背景:

• 非アルコール性脂肪肝 (NAFLD) の診断には,正確なMRIプロトン密度脂肪分数 (MRI-PDFF) の評価が必要です.
• 低フィールドMRIはアクセシビリティを提供しますが,正確な脂肪の定量化に阻害する低い信号対ノイズ比 (SNR) に苦しんでいます.
• 低フィールドMRIの限界を乗り越えるには 新しい再構築技術が不可欠です

研究 の 目的:

• ローカル・ローランク・ディープ・ラーニング (LLR-DL) ベースの再構築方法を開発し,検証する.
• SNRを強化し,低フィールド (0.55T) MRIで正確なMRI-PDFF定量化を可能にします.
• 低フィールドMRIの結果と高フィールド (1.5T) 評価の一貫性を改善する.

主な方法:

• 規則化されたSENSEと複雑な値のデータで動作するU-Netニューラルネットワークの間で交互に新しいLLR-DL再構築が実装されました.
• U-Netは,エコーを介してローカルパッチのスペクトルプロジェクションを処理し,その後のイテレーションのためのプリアとして出力を使用しました.
• 最終的なエコーはマルチエコーディクソンアルゴリズムを使用して処理され,幻とボランティアの0.55Tでイメージングが行われました.

主要な成果:

• LLR-DLは画質を大幅に改善し,ピークSNRを32.7%増やし,構造相似度指数は従来の方法と比較して25%増加しました.
• 優れたMRI- PDFF重複度を達成した: 幻体では2. 33%,体内では0. 79%.
• 狭いクロスフィールドの合意値は,幻体では1. 67%以下で,体内では1. 75%以下であった.

結論:

• 開発されたLLR-DL再構築は,低フィールドMRIでSNRを効果的に強化します.
• LLR-DLを使用すると,0.55Tで正確で繰り返されるMRI-PDFFの定量化が可能である.
• この方法は,異なるフィールド強度で一貫した信頼性の高い脂肪肝の評価に希望を示しています.