高分辨率螺旋实时心脏影像成像与基于深度学习的快速图像重建和量化
Junyu Wang1, Marina Awad2, Ruixi Zhou3
1Department of Medicine, Cardiovascular Medicine, Stanford University, Stanford, California, USA.
NMR in biomedicine
|November 5, 2023
概括
深度学习重建 (DESIRE) 和细分可通过在一分钟内实现全心重建,显著加速心脏MRI. 这种先进的技术准确量化了左心室喷射分数,与手动细分性能相匹配.
科学领域:
- 心血管成像 - 心血管成像
- 医学图像分析 医学图像分析
- 人工智能在医学中的应用
背景情况:
- 高分辨率的螺旋实时电影成像提供了详细的心脏可视化,但往往需要漫长的重建时间.
- 精确量化左心室喷射率 (LVEF) 对于诊断和监测心脏疾病至关重要.
- 目前的深度学习 (DL) 方法用于心脏MRI图像重建和细分是积极发展的领域.
研究的目的:
- 开发和评估基于DL的快速螺旋图像重建 (DESIRE) 技术.
- 创建和评估基于DL的细分方法来量化LVEF.
- 为了实现快速,高质量的心脏MRI重建和LVEF量化.
主要方法:
- 在 DESIRE 图像重建网络中使用了 3D U-Net 架构.
- 基于DL的细分网络使用了2D U-Net架构.
- 将DESIRE技术与低级加稀疏 (L+S) 重建进行比较,并将DL细分与用于LVEF量化手动轮进行比较.
主要成果:
- DESIRE 技术的图像质量与 L+S 重建的图像质量相当,但没有统计学上显著的差异.
- 基于DL的细分用于LVEF量化,与手动细分相比没有显著差异 (p > 0.05).
- 每个动态序列的DESIRE重建时间约为32秒,明显比L+S (约. 3分钟),DL细分时间不到5秒.
结论:
- 拟议的基于DL的DESIRE重建和细分方法可以在一分钟内快速,全面的图像重建.
- 这些技术在高分辨率的螺旋实时电影MRI中提供了准确而高效的左心室功能的量化.
- 该研究强调了DL在加速心脏MRI工作流程和提高诊断效率方面的潜力.
