相关实验视频
Updated: Jul 28, 2025

Cardiac Magnetic Resonance Imaging at 7 Tesla
Published on: January 6, 2019
加速心脏MRI影像使用分辨率增强生成对抗内线神经网络
Siyeop Yoon1, Shiro Nakamori1, Amine Amyar1
1From the Department of Medicine (Cardiovascular Division) (S.Y., S.N., A.A., S.A., J.C., M.A.M., P.P., B.G., J.R., W.J.M., R.N.), Department of Medicine (General Medicine Division) (L.H.N.), and Department of Radiology (W.J.M.), Beth Israel Deaconess Medical Center and Harvard Medical School, 330 Brookline Ave, Boston, MA 02215; Siemens Medical Solutions, Chicago, Ill (K.C., X.B.); and Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, Mass (L.H.N.).
对于心脏电影MRI的深度学习重建与标准并行成像 (GRAPPA) 在诊断质量和对左心室功能,体积和应变的准确性方面相匹配. 这种人工智能方法提高了效率,因为它可以在每次喘息中进行更多的段落.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 心血管磁力共振成像 (MRI) 的方法
背景情况:
- 深度学习 (DL) 提供了通过减少扫描时间和增强空间/时间分辨率来改善心脏电影MRI的潜力.
- 将DL与并行成像或压缩传感 (CS) 集成是推进心脏MRI技术的关键领域.
研究的目的:
- 开发和评估用于心脏电影MRI重建的DL模型.
- 为了评估DL模型的性能,当与并行成像 (GRAPPA) 或CS结合使用时.
- 在图像质量和功能量化方面,将DL加速电影MRI与标准GRAPPA加速进行比较.
主要方法:
- 开发了一个基于增强超分辨率生成对抗神经网络的DL模型.
- 该模型在回顾式电影图像上进行了训练,并在呼吸屏蔽ECG隔断和自由呼吸的实时电影MRI上进行了前性评估.
- DL模型恢复了使用GRAPPA或CS以降低分辨率获取的图像的空间分辨率,并使用GRAPPA加速图像进行比较.
主要成果:
- DL模型和GRAPPA在屏住呼吸和自由呼吸的电影情节中展示了可比的诊断质量和文物得分.
- 与GRAPPA相比,DL-加速的cine获得的每次喘息截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止截止
- 在左心室 (LV) 功能,体积和应变参数方面,DL和GRAPPA之间观察到很好的一致性,平均差异很小.
结论:
- 深度学习加速心脏电影MRI提供了心脏功能,体积和应变的准确量化,与标准并行成像方法相比.
- DL方法提供了更高的效率,允许在一个呼吸中获取更多的数据.
- 这项研究证实了DL在推进心脏MRI采集和分析方面的实用性.
更多相关视频
05:32Retrospective Cardiac Gating with A Prototype Small-Animal X-ray Computed Tomograph
Published on: February 21, 2025
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
相关概念视频
Magnetic Resonance Imaging
Imaging Studies for Cardiovascular System IV: CMRI