加速MRI使用智能协议和对阿尔茨海默氏病成像应用的主体特异性的denoising

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 神经科学是一个神经科学.

背景情况:

• 阿尔茨海默病 (AD) 诊断严重依赖耗时的磁共振成像 (MRI).
• 优化MRI协议的速度和质量需要专门的专业知识,往往缺乏,导致效率低下的服务利用.
• 目前的MRI方法在平衡采集时间,对比度和信号噪声比 (SNR) 方面面临挑战.

研究的目的:

• 通过智能协议对阿尔茨海默氏症 (AD) 大脑成像进行加速MRI采集.
• 利用深度学习 (DL) 来提高加速MRI扫描中的图像质量.
• 通过自动体积测量评估加速MRI用于AD诊断的临床实用性.

主要方法:

• 开发和应用加速的"黄金标准" (GS) 大脑MRI协议.
• 基于深度学习的对比特异,主题特异 (SS) 图像染的实施.
• 使用PSNR,局部SNR,MS-SSIM和拉普拉斯语变异等指标评估图像质量.
• 海马和杏仁体的自动体积测量用于AD成像评估.

主要成果:

• 通过加速协议实现了1.94倍的成像吞吐量.
• 使用基于DL的denoising显示"MR值" (SNR/持续时间) 增加了72.51%.
• 在图像质量指标 (PSNR,MS-SSIM) 显著改善.
• 在加速和标准协议之间的体积测量方面,达成了很好的协议 (27个位置).

结论:

• 加速脑部MRI协议,增强DL denoising,为有效的阿尔茨海默病 (AD) 诊断提供了一个可行的解决方案.
• 开发的方法提高了成像吞吐量,并保持了关键大脑结构的诊断准确性.
• 这种方法有可能提高MRI服务效率和AD诊断中的临床价值.