基于物理的深度学习用于T2-模糊超分辨率轮旋回回声MRI-MRI
Zihao Chen1,2, Margaret Caroline Stapleton3, Yibin Xie1
1Biomedical Imaging Research Institute, Cedars-Sinai Medical Center, Los Angeles, California, USA.
Magnetic resonance in medicine
|August 14, 2023
概括
深度学习超分辨率 (SR) 通过在旋回声 (TSE) 成像中准确模拟T2放松效应,显著减少MRI扫描时间. 这种新的T2消除模糊的方法提高了图像质量,并将采集速度加速到9倍.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 深度学习超分辨率 (SR) 提供更快的MRI扫描,没有定制硬件.
- 现有的SR方法使用k空间截断,不准确地建模了旋回声 (TSE) MRI退化.
- TSE MRI 分辨率损失涉及跨k空间的复杂T2放松效应.
研究的目的:
- 为3D-TSE图像开发一个T2-deblurred深度学习SR方法.
- 在模拟TSE物理中解决以前SR技术的局限性.
- 提高加速TSEMRI的准确性和质量.
主要方法:
- 训练了一个具有物理现实的,T2加权的k空间降解的SR生成对抗网络.
- 将拟议的方法与使用更简单降解模型训练的网络进行了比较.
- 对老鼠胚胎TSE-MR图像进行评估后期和前性SR,加速度3倍.
主要成果:
- 在T2消除模糊的SR方法产生高质量的3x加速3D-TSE图像.
- 扫描时间从15小时缩短到1.7小时,对于一个典型的体积.
- 在定量指标和专家图像质量评分方面表现优于以前的SR方法.
结论:
- 这种T2消除模糊的方法提高了深度学习的SR准确性和TSE的图像质量.
- 这种方法有可能将TSE图像获取速度加快多达9倍.
- 在研究和临床环境中实现更快,高质量的MRI扫描.


