填充作物:修复记忆诊所MRI损坏的部分脑覆盖的管道

科学领域:

• 医疗成像医学成像
• 计算神经科学是一种神经科学.
• 医疗保健中的人工智能

背景情况:

• 临床神经成像数据,特别是T1加权的MRI,对于痴呆症研究至关重要,使大脑区域的体积测量成为可能.
• 现实世界的临床数据经常受到成像工件的影响,例如不完整的脑部覆盖,限制了其用于定量分析和AI应用的实用性.
• 在临床环境中,T2加权和FLAIR扫描通常是优先考虑的,导致T1加权扫描与潜在的文物一起获得.

研究的目的:

• 开发和介绍一个新的管道",MRI作物填充",以解决临床T1加权MRI扫描中缺少的数据.
• 为了使现实世界的临床神经成像数据用于先进的计算研究和人工智能创新.
• 从易于获得的T2加权扫描生成合成T1数据,以重建完整的T1卷.

主要方法:

• 该管道包括注册现有的T2加权和裁剪的T1加权MRI扫描.
• 使用深度学习工具,根据T2加权扫描,合成新的T1加权数据.
• 合成的T1数据用于替换原始T1扫描中缺失的部分,然后进行超分辨率以提高图像质量.

主要成果:

• 磁共振成像作物填充管道成功生成合成T1加权数据,以填补临床扫描中的空白.
• 该方法提高了用于计算研究的现实世界临床T1MRI数据的可用性.
• 该过程与现有的AI框架无集成,用于神经成像分析.

结论:

• 磁共振成像作物填充管道为临床T1加权磁共振成像数据中的人工物校正提供了可行的解决方案.
• 这种方法显著提高了对痴呆症研究和定量神经放射学的记忆诊所数据的实用性.
• 该方法促进了先进的人工智能技术对以前无法使用的神经成像数据集的应用.