一个基于深度学习的综合框架,用于质量意识的低样本心脏MRI重建和分析.
IEEE transactions on bio-medical engineering
|October 2, 2023
概括
这项研究引入了一种自动化框架,通过优化下样采集来加快心脏MRI扫描的速度. 这加快了心脏磁共振 (CMR) 成像,使心脏功能更快,更准确地分析.
科学领域:
- 医疗成像医学成像
- 心血管成像 - 心血管成像
- 生物医学工程 生物医学工程
背景情况:
- 心脏磁共振成像 (CMR) 是评估心脏功能的黄金标准.
- 目前的电影CMR采集是耗时的,需要更快的方法,而不牺牲图像质量或准确性.
- 显著的研究工作重点是加快CMR扫描时间.
研究的目的:
- 提出一个全自动化,质量控制的框架,用于重建,细分和分析低采样的电影CMR数据.
- 在扫描一次的基础上优化低采样因素,以缩短扫描时间.
- 通过自动化分析,使功能生物标志物的可靠和准确估计成为可能.
主要方法:
- 开发一个综合框架,用于重建,细分和分析低样本的电影CMR数据.
- 在自动化框架内实施质量控制措施.
- 优化每个主体的低样本因子,以获得辐射k空间.
主要成果:
- 该框架产生了高质量的重建和细分.
- 每片的平均扫描时间从12秒减少到4秒.
- 临床相关参数自动估计在5%的平均绝对差异范围内.
结论:
- 拟议的自动化框架大大减少了电影CMR扫描时间.
- 该方法允许准确和可靠地估计心脏功能生物标志物.
- 这种方法提高了心脏磁共振成像的效率和可访问性.
更多相关视频
14:08Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
Published on: April 13, 2013
42.7K
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
6.4K
