標準の神経血管コイルを使用した高解像度頸動脈血管壁MRIのための深層学習ベースのデノイジング

科学分野:

• 放射線学
• 医用画像処理
• 人工知能

背景:

• 高解像度頸動脈血管壁MRIは、アテローム性動脈硬化症の評価に不可欠です。
• 標準の臨床コイルでは、信号対雑音比（SNR）の低い画像が得られることが多く、診断品質が制限されます。
• 特殊なコイルはSNRを向上させることができますが、コストと複雑さが増加します。

研究 の 目的:

• 標準のヘッドアンドネックコイルで取得した画像の品質を向上させるため。
• 特殊なハードウェアなしで高解像度、マルチコントラストイメージングを可能にするため。
• 頸動脈血管壁MRIを強化するための深層学習（DL）デノイジング手法を開発および評価するため。

主な方法:

• 55件の頸動脈MRIスキャンを使用してトレーニングされた、残差UNetアーキテクチャを使用した教師ありDLモデル。
• モデルは、低SNR入力画像（標準コイル）から高SNR参照画像（NSSコイル）へのマッピングを行いました。
• 定量的（PSNR、SSIM、SNR、CNR）および定性的指標を使用して、従来のメソッドと比較してパフォーマンスをベンチマークしました。

主要な成果:

• DLデノイザーは、血管壁構造を維持しながらノイズを大幅に削減しました。
• 参照スキャンと比較して高いPSNR（>31 dB）およびSSIM（>0.93）を達成しました。
• 血管壁および内腔領域のSNRおよびCNRを大幅に改善し、参照品質に近づきました。
• 内壁のエッジシャープネスを維持し、確実なプラーク評価をサポートしました。
• 放射線科医の評価により、画質が改善されたことが確認されました。

結論:

• DLベースのデノイジング手法は、高解像度頸動脈血管壁MRIの品質を効果的に向上させます。
• DL手法は、特殊なネック表面コイルに匹敵する画質を実現します。
• このアプローチは、追加のハードウェアの必要性を排除することにより、高度な頸動脈イメージングへのアクセスを広める可能性があります。