在胎儿心脏电影MRI中,用于改善图像质量的深度学习无效重建

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 心血管成像 - 心血管成像

背景情况:

• 胎儿的先天性心脏病 (CHD) 诊断依赖于先进的成像技术.
• 胎儿心脏MRI,特别是多普勒超声波 (DUS) 导入的电影成像,对于心脏病评估至关重要.
• 标准重建中的图像质量限制可能会影响诊断的准确性.

研究的目的:

• 评价深度学习 (DL) 解读用于改善DUS-gated胎儿心脏MRI中心脏病的图像质量.
• 将DL重建与标准压缩传感 (CS) 方法进行比较.

主要方法:

• 25名患有心脏病的胎儿接受了3T胎儿心脏MRI,使用平衡稳定状态自由前行 (bSSFP) 序列与DUS门.
• 使用标准压缩传感 (bSSFP CS) 和DL无声化 (bSSFP DL) 来重建图像.
• 进行了定性 (利克尔特尺度) 和定量 (aSNR,aCNR) 评估,以及诊断信心评估.

主要成果:

• 与bSSFP CS.相比,DL剥离 (bSSFP DL) 重建显示出更高的对比度和内心边缘定义.
• bSSFP DL图像显示明显更高的信号与噪声比率 (aSNR) 和对比度与噪声比率 (aCNR).
• 对评估心血管结构的诊断信心与bSSFP DL图像显著更高.

结论:

• 深度学习图像无效化为CHD中DUS-gated胎儿心脏电影成像提供了优越的图像质量.
• DL重建提供了心脏结构的增强可视化,提高了诊断能力.
• 在CHD中,DL无声化代表了对胎儿心脏MRI标准压缩传感的显著进步.