一个不确定性辅助的框架,以学习为基础的肝脏T1绘制和分析.
Chaoxing Huang1,2, Vincent Wai-Sun Wong3, Queenie Chan4
1Department of Imaging and Interventional Radiology, The Chinese University of Hong Kong, Hong Kong Special Administrative Region of China, People's Republic of China.
Physics in medicine and biology
|October 11, 2023
概括
这项研究引入了一种深度学习方法,用于在MRI中准确地绘制肝脏T1ρ. 该方法量化了不确定性,提高了诊断信心,减少了肝纤维化评估中的错误.
科学领域:
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 定量T1ρ成像显示出评估肝脏病理的前景.
- 深度学习加速了定量T1ρ成像,但临床应用需要不确定性估计.
- 不确定性量化对于在临床环境中可靠的基于AI的定量成像至关重要.
研究的目的:
- 开发一种概率深度学习框架,用于肝脏的不确定性意识定量T1ρ映射.
- 提高人工智能驱动的T1ρ量化用于肝病评估的准确性和可靠性.
- 利用不确定性地图来改进T1ρ映射和识别不可靠的数据点.
主要方法:
- 提出了使用概率深度学习用于T1ρ映射的参数地图精细化方法.
- 训练模型同时估计T1ρ值及其相关的不确定性.
- 利用不确定性地图来空间加权改进的T1ρ映射网络的训练.
主要成果:
- 基于学习的地图改进实现了相对映射误差低于3%,同时估计不确定性.
- 估计的不确定性准确地反映了T1ρ量化中的实际错误水平.
- 使用不确定性地图将相对T1ρ映射误差降低到2.60%并有效地删除不可靠的像素.
结论:
- 拟议的方法提供了一种可靠的,基于学习的定量MRI系统,用于肝脏T1ρ映射.
- 不确定性估计提高了AI驱动的定量成像在临床实践中的可靠性.
- 这种方法具有显著的潜力,可以改善肝脏病理的诊断和管理.


