动态反复推断机器用于加速的MRI导向肝脏放射治疗
Kai Lønning1, Matthan W A Caan2, Marlies E Nowee3
1Netherlands Cancer Institute, Department of Radiotherapy, Plesmanlaan 121, 1066 CX Amsterdam, The Netherlands; Spinoza Centre for Neuroimaging, Meibergdreef 75, 1105 BK Amsterdam, The Netherlands.
概括
动态反复推理机 (DRIM) 通过使用呼吸数据更快地重建4DMRI扫描. 这种深度学习方法提高了图像质量和肝损伤放射治疗的临床适用性.
科学领域:
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
- 辐射疗法 辐射疗法
背景情况:
- 循环推理机器 (RIM) 擅长重建加速的2D/3DMRI.
- 现有的方法在稀疏采样的4DMRI数据方面存在困难.
研究的目的:
- 开发一种新的深度学习模型,即动态递归推理机 (DRIM),用于重建稀疏样本的4DMRI.
- 为了利用呼吸运动相关性,改进4DMRI重建.
主要方法:
- 该DRIM模型应用于MR指导肝损伤放射治疗的4DMRI协议.
- 除研究将DRIM性能与RIM进行比较,评估图像质量指标 (SSIM) 和重建速度.
- 研究了网络架构变化和数据处理策略 (例如,按呼吸状态分类).
主要成果:
- 与RIM相比,DRIM显著提高了SSIM的得分,从0.89到0.95左右.
- 通过DRIM,扫描时间缩短了约2.7倍,图像清晰度损失最小.
- 该模型在各种亚抽样因素和训练数据集中显示出稳定性.
- 临床评估证实了高加速度因子 (10x和8x) 的肝脏结构可接受的图像质量.
结论:
- 在加速MR指导放射治疗的4DMRI重建中,DRIM提供了显著的进步.
- 利用呼吸运动对于DRIM的卓越性能至关重要.
- 在加速扫描时间下,DRIM模型提供了临床上可接受的图像质量,提高了放射治疗的效率.
