加速呼吸分辨率的4D-MRI具有可分离的时空神经网络
Maarten L Terpstra1,2, Matteo Maspero1,2, Joost J C Verhoeff1
1Department of Radiotherapy, University Medical Center Utrecht, Utrecht, The Netherlands.
Medical physics
|August 1, 2023
概括
一个新的深度学习模型,MODEST,可以快速重建高质量的四维MRI (4D-MRI),用于放射治疗. 这加快了图像的获取和重建,改善了MRI导向放射治疗的运动量化.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射治疗 物理 物理
背景情况:
- 呼吸道解析的4D-MRI对于精确的移动瘤辐射治疗至关重要.
- 目前的4D-MRI方法面临着长时间的采集和重建时间的挑战.
- 需要加速4D-MRI来提高MRI导向放射治疗 (MRIgRT) 的效率.
研究的目的:
- 开发一种新的深度学习架构,用于快速,高质量的4D-MRI采集和重建.
- 为了实现MRI导向放射治疗 (MRIgRT) 的精确运动量化.
- 为了减少与4D-MRI程序相关的时间负担.
主要方法:
- 一个新的卷积神经网络,MODEST,被设计用于4D-MRI数据的空间和时间分解.
- MODEST的训练是在28名肺癌患者的低样本4D-MRI数据上进行的.
- 该网络重建了高质量的4D-MRI,绕过了计算密集的4D卷曲的需要.
主要成果:
- 与U-Net架构相比,MODEST实现了优越的图像质量,尽管可训练参数数量减少了30倍.
- 在大约2.5分钟内实现了高质量的4D-MRI重建.
- 该方法证明了高图像质量和运动一致性.
结论:
- MODEST网络使得加速,高质量的4D-MRI重建成为可能.
- 这一进步对MRI指导放射治疗 (MRIgRT) 尤其有益.
- 莫德斯提供了一个有前途的解决方案,以提高辐射治疗的效率和准确性.


