强大的EMI消除无射频屏蔽的MRI通过深度学习直接MR信号预测
Yujiao Zhao1,2, Linfang Xiao1,2, Jiahao Hu1,2
1Laboratory of Biomedical Imaging and Signal Processing, The University of Hong Kong, Hong Kong, People's Republic of China.
Magnetic resonance in medicine
|February 20, 2024
概括
一种新的Deep-DSP方法消除了无射频 (RF) 无屏蔽MRI的电磁干扰 (EMI). 这种深度学习方法准确地预测了无EMI的MR信号,推进了便携式MRI技术.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 电磁学 电磁学 电磁学 电磁学
背景情况:
- 射频 (RF) 屏蔽对于磁共振成像 (MRI) 非常重要,以防止电磁干扰 (EMI).
- 消除对广泛射频屏蔽的需求,可以使MRI系统更便携,更为患者友好.
- 现有的EMI缓解策略在复杂的射频环境中面临挑战.
研究的目的:
- 开发和评估一种新的EMI消除策略,用于无射频屏蔽的MRI.
- 为了利用活跃的EMI传感和深度学习来直接预测MR信号.
- 引入深度DSP (深度学习直接MR信号预测) 框架.
主要方法:
- 深度DSP使用在MRI接收线圈和EMI传感线圈数据上训练的残余U-Net模型.
- 该模型通过分析同时采集数据的窗口来学习预测无EMI的MR信号.
- 该策略在0.055T超低场脑磁共振扫描仪和1.5T全身扫描仪上得到了验证,该扫描仪具有不完全的射频屏蔽.
主要成果:
- 深度DSP证明了准确预测无EMI的MR信号,即使存在强烈的EMI.
- 该方法在消除EMI方面优于现有的EDITER和卷积神经网络方法.
- 深度DSP在使用最小的EMI传感线圈,甚至在没有专门的EMI特征数据的情况下也显示出有效性.
结论:
- 深度DSP为MRI提供了一种有效且计算效率高的EMI消除策略.
- 这种方法推动了真正便携和对患者友好的MRI系统的开发.
- 该框架利用电磁合和MR信号特征提供了强大的性能.
