深度加速动脉旋转标记输液MRI用于测量脑血流和动脉过路时间

科学领域:

• 神经成像是一种神经成像.
• 医学物理 医学物理
• 人工智能的人工智能

背景情况:

• 大脑血流 (CBF) 和动脉传输时间 (ATT) 是关键的神经血管指数.
• 动脉旋转标记 (ASL) MRI 能够进行非侵入性测量区域CBF.
• 估计ATT需要多次标签后延迟 (PLD),导致延长扫描时间和降低信号噪声比 (SNR).

研究的目的:

• 开发一个深度学习 (DL) 算法,用于从数量减少的ASL MRI PLD中准确地估计ATT和CBF.
• 为了解决当前多PLD ASL方法的临床不可行性,由于扫描时间和SNR限制.

主要方法:

• 训练了两个深度神经网络,用一个或两个PLD从ASL数据中估计CBF和ATT.
• 模型经过训练和验证,使用人类结合体项目的多PLD ASL MRI 数据集.
• 性能与使用完整数据集的传统动力模型拟合进行了比较.

主要成果:

• 深度学习模型可靠地估计了ATT和CBF,PLD显著减少.
• 基于DL的方法表现出与传统方法相比的准确性,尽管数据采集减少.
• 即使使用单个PLD,也可以获得准确的估计,大大减少了扫描时间.

结论:

• 深度学习提供了一个可行的解决方案,可以从ASLMRI中准确有效地估计ATT和CBF.
• 这种方法可以克服长时间扫描和SNR减少在多PLDASL中的局限性.
• 拟议的DL算法有望改善ASLMRI用于神经血管评估的临床实用性.