在心脏CT中使用跨相时空信息和协同注意门和空间变压器子网络的运动工件校正

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 心血管成像 - 心血管成像

背景情况:

• 冠状动脉CT血管造影 (CCTA) 对于诊断冠状动脉疾病至关重要.
• CCTA中的图像质量可能会因心脏运动而降低,导致人工制造物.
• 现有的运动校正技术在不同的CT系统和分辨率上可能缺乏通用性.

研究的目的:

• 为CCTA图像开发和验证一个可通用的运动校正算法.
• 通过减少运动器件来改善冠状动脉的可视化.
• 与基线方法和人类解释相比,评估算法的性能.

主要方法:

• 为了运动校正,开发了一个包含注意门和空间变压器 (ATOM) 的神经网络.
• 幻影和患者CCTA数据集 (双源CT) 用于培训,开发和测试.
• 客观指标 (SSIM,DSC,PSNR,NRMSE) 和盲目放射科医生的解释被用于评估.

主要成果:

• 在幻影和患者CCTA图像中,ATOM显著改善了客观图像质量指标 (p<0.05).
• 与基线网络相比,该算法展示了优越和更一致的图像质量改进.
• 运动校正的CCTA图像从放射科医生那里获得了明显更高的诊断质量排名.

结论:

• 原子算法有效地减少了CCTA中的运动工件,增强了冠状动脉可视化.
• ATOM提供了一种可通用的解决方案,用于改善各种时间分辨率的CCTA图像质量.
• 这种人工智能驱动的方法有可能在CT成像中实际增强时间分辨率.