使用可变分割时空网络进行费鲁莫西托尔增强的心脏影像MRI重建

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 心脏磁力共振成像 (MRI)

背景情况:

• 平衡稳定状态自由前行 (bSSFP) 是心脏电影MRI的标准,但患有人工物.
• 铁氧醇增强 (FE) 梯度回声 (GRE) 提供了一个替代方案,需要有效的重建方法.
• 利用现有的bSSFP数据可以通过先进的网络开发来改善FE GRE电影成像.

研究的目的:

• 开发一个可变分割的时空网络 (VSNet) 用于心脏MRI图像重建.
• 训练VSNet在bSSFP电影图像上,并确保其适用于FE GRE电影图像.
• 为改善心脏MRI创建一个计算高效的网络.

主要方法:

• 追溯和前性研究设计.
• 在41名患者的bSSFP影像上进行网络培训;在31名患者和5名健康受试者的FE GRE影像上进行测试.
• 将VSNet与其他重建方法 (总变化损失,压缩传感,低等级) 在14倍加速下进行比较,使用GRAPPA图像作为参考.

主要成果:

• 在峰值信号与噪声比率 (PSNR),结构相似性指数 (SSIM),定性排名和潜伏得分方面,VSNet显著优于其他方法.
• 定量分析显示,VSNet实现了与参考值相比较的左心室 (LV) 和右心室 (RV) 末缩体积 (ESV) 和射出分数 (EF).
• 与基准相比,VSNet在终端透析体积 (EDV) 中显示了统计学上显著但很小的差异.

结论:

• 与其他测试的14倍加速重建方法相比,VSNet实现了FE GRE电影图像的优越图像质量和更准确的功能测量.
• 开发的VSNet提供了一个有前途的解决方案,用于减少人工物和改善心脏MRI的诊断准确性.
• 这项研究强调了深度学习在增强MRI技术方面的潜力.