一个双阶段部分可解释的神经网络,用于在非相循环电影成像中联合抑制bSSFP带状和流动文物

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 心血管成像 - 心血管成像

背景情况:

• 非相循环平衡稳定状态自由前行 (bSSFP) 电影成像容易发生带状和流动工件.
• 这些文物降低了图像质量,并可能阻碍准确的心脏功能评估.
• 现有的文物减少方法通常需要序列修改或效率较低.

研究的目的:

• 开发一个部分可解释的神经网络,同时抑制bSSFP电影成像中的带状和流动文物.
• 为了提高文物识别和抑制过程的解释性.
• 评估拟议网络的临床通用性和性能.

主要方法:

• 设计了一个双阶段的神经网络,包括一个声标识 (VI) 子网络和一个文物抑制 (AS) 子网络.
• VI子网络识别文物,指导AS子网络进行抑制.
• 该网络在健康受试者的电影图像上进行了培训和测试,并在患者数据上进行了追溯验证.

主要成果:

• 该网络在健康受试者和患者中显著减少了带状和流动工件,改善了整体图像质量.
• 文物抑制性能优于传统的阶段循环方法.
• VI子网络与文物位置有很好的相关性,提供了部分可解释性.
• 该网络在不同的成像参数和扫描仪中显示出良好的通用性.

结论:

• 拟议的双阶段神经网络有效地抑制了bSSFP电影成像中的带状和流动文物,具有部分可解释性.
• 该方法不需要序列修改,可以很容易地在临床环境中部署.
• 这种人工智能方法提高了电影图像质量,并有助于文物识别,以提高诊断准确度.