扩散加权成像超分辨率算法,用于非常稀缺的原始数据序列

科学领域:

• 医疗成像医学成像
• 磁共振成像技术 磁共振成像技术
• 计算成像技术的成像

背景情况:

• 磁共振成像 (MRI) 重建在图像分辨率和重建持续时间方面面临挑战.
• 生成对抗网络 (GANs),特别是瓦斯斯坦GANs (WGANs),在利用基于图像的信息进行重建方面表现有前途.
• 扩散加权成像 (DWI) 对于评估组织微观结构至关重要,但获取时间和分辨率是关键限制.

研究的目的:

• 研究增强MRI图像重建的方法,重点是提高图像分辨率和减少重建时间.
• 介绍一种新的G导向生成多层网络,用于加速DWIMRI.
• 评估同时k-q空间采样和其他先进的采集技术的有效性.

主要方法:

• 开发和实施一种新的G导向生成多层网络,利用扩散加权成像 (DWI) 输入数据与受限制采样.
• 应用同步k-q空间采样来提高旋转单拍采集 (RoSA) 的性能.
• 使用压缩k空间同步和最小跨度树用于扩散MRI (DW-MRI) 网格.
• 采用联对称在传感和部分里埃方法的数据采集.

主要成果:

• 拟议的G引导网络有效地利用DWI数据来改进MRI重建.
• 同时的k-q空间采样提高了无需硬件修改的RoSA性能.
• 这些方法导致了图像清晰度,边缘读数和对比度的显著改善.
• 像PSNR和TRE这样的定量指标证实了增强的图像质量.

结论:

• 新的G导向生成多层网络提供了一种有前途的方法来加速DWIMRI获取.
• 先进的采样策略,如同时k-q空间采样和压缩k空间同步,可以提高MRI性能.
• 高质量的MRI重建可以通过提高图像分辨率和减少采集时间来实现,而不需要硬件升级.