使用Deep Image Prior的多参数MR对肝癌的高分辨率细胞外pH值成像

科学领域:

• 生物医学成像技术 生物医学成像技术
• 医学物理 医学物理
• 人工智能在医学中的应用

背景情况:

• 使用生物传感器对轮班冗余偏差成像 (BIRDS) 和MR光谱成像 (MRSI) 的非侵入性细胞外pH (pH_e) 地图绘制对于研究肝癌治疗非常有价值.
• 目前的方法通过延长扫描时间来实现更高的分辨率,这对于患者的舒适性和吞吐量来说是不可取的.
• 通过后处理来提高空间分辨率是减少MRI扫描仪中受试者时间的首选选择.

研究的目的:

• 开发一种后处理方法,以提高pH_e的空间分辨率,并使用BIRDS进行映射.
• 将多参数MRI的解剖信息纳入并利用无监督的深度学习 (Deep Image Prior - DIP) 来实现超分辨率.
• 为了创建更高分辨率的pH_e图像与解剖MRI和低分辨率扫描仪数据一致.

主要方法:

• 采用U-Net架构,集成VX2肝瘤子的高分辨率T1加权,T2加权和扩散加权成像 (DWI).
• 使用平均绝对误差优化U-Net参数,使超分辨率输出与低分辨率pH_e测量保持一致.
• 在49只子的数据上开发和验证了该方法,使用两只子的高分辨率pH图像作为基本事实.

主要成果:

• 超分辨率pH_e图像显示出与高分辨率地面真相的空间特征有很强的相关性.
• 低像素绝对误差证实了增强空间分辨率的准确性.
• 该方法成功生成了超分辨率pH_e图像,与解剖学上下文和MRSI数据一致.

结论:

• 提出的深度学习方法有效地提高了BIRDS pH_e映射的空间分辨率.
• 整合多参数MRI和DIP提供了一种非侵入性方法,可以在没有长时间扫描的情况下获得详细的pH_e信息.
• 这种技术有望更精确地评估肝脏瘤及其对治疗的反应.