高保真无数据库的深度学习重建实时电影心脏MRI

科学领域:

• 医疗成像医学成像
• 心血管磁力共振成像 (MRI) 的方法
• 人工智能在医学中的应用

背景情况:

• 电心电图 (ECG) 启动的屏息电影MRI是评估心脏功能的标准.
• 实时电影MRI提供了无心电图,自由呼吸的替代方案,对于无法屏住呼吸的患者至关重要.
• 实时MRI中的高加速度率会导致像素伪造和模糊等图像工件在传统的重建中出现.

研究的目的:

• 调整和评估一种零射击的自我监督的物理引导深度学习 (PG-DL) 重建方法,用于高度加速的实时心脏MRI.
• 为了应对在自由呼吸MRI重建中对特定主体运动模式的挑战.
• 为了提高图像质量和减少实时心脏MRI中的文物,使用一种新的PG-DL方法与时空调整.

主要方法:

• 实施一个零射击,自我监督的PG-DL框架,用于实时电影MRI的时空规范化.
• 拟议的PG-DL方法与TGRAPPA,局部低等级 (LLR) 重建和数据库训练的PG-DL进行比较.
• 在追溯和前加速的卡特西安电影MRI数据集上进行测试.

主要成果:

• 拟议的零射击PG-DL方法显著超过了TGRAPPA,LLR和数据库训练的PG-DL.
• 在降低噪音和伪造文物中观察到视觉改善.
• 定量分析证实了开发的PG-DL重建技术的优越性能.

结论:

• 零射击PG-DL重建与时空调整是加速实时心脏MRI的高效方法.
• 这项技术提供了一个强大的,对特定主体的解决方案,用于改善自由呼吸心脏MRI的图像质量.
• 这些发现支持先进的DL方法的临床实用性,用于无心电图心脏功能评估.