基于深度学习的合成TOF-MRA生成使用时间分辨率MRA在快速中风成像中
Sung-Hye You1, Yongwon Cho2, Byungjun Kim3
1From the Department of Radiology, (S.-H.Y., B.K., B.K.K., A.P., S.E.P.), Anam Hospital, Korea University College of Medicine, Seoul, Korea.
AJNR. American journal of neuroradiology
|December 5, 2023
概括
一个深度学习模型从时间解析的MRA中生成高分辨率的合成TOF-MRA图像,提高了急性缺血性中风患者大血管封闭的诊断信心.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经成像是一种神经成像.
背景情况:
- 时间解决的MRA对于评估急性缺血性中风与大血管封闭的附带循环至关重要.
- 信号噪声比 (SNR) 和时间解析的MRA的空间分辨率的局限性阻碍了血管封闭的准确诊断.
- 开发先进的成像技术对于克服这些诊断挑战至关重要.
研究的目的:
- 开发和评估基于CycleGAN的深度学习模型,用于从时间解析的MRA中生成高分辨率的合成飞行时间MRA (TOF-MRA) 图像.
- 评估这些合成TOF-MRA图像的图像质量和临床疗效.
主要方法:
- 一项回顾性研究包括397名接受TOF-MRA和时间解析MRA的患者.
- 一个CycleGAN深度学习模型在一组患者上进行了训练,并在另一组患者上进行了验证.
- 图像质量在质量和数量上得到了评估,同时在急性缺血性中风病例中进行了多读者诊断评估和临床验证.
主要成果:
- 合成TOF-MRA显示,与特定动脉段的时间分辨率MRA相比,图像质量指标 (整体质量,清晰度,SNR) 得到改善.
- 放射科医生无法区分合成TOF-MRA和真正的TOF-MRA在一个盲目的评估.
- 临床验证表明,诊断信心增加,大血管封闭检测的决策时间缩短.
结论:
- 一个基于CycleGAN的深度学习模型有效地从时间解析的MRA中生成合成TOF-MRA.
- 合成TOF-MRA有可能有助于检测在大脑中风中心的大血管封闭,使用时间解析的MRA.
