通过图形卷积网络加速高分辨率3D MR指纹
Feng Cheng1, Yong Chen2, Xiaopeng Zong3
1Department of Computer Science, University of North Carolina, Chapel Hill, NC, USA.
概括
本研究介绍了一种深度学习方法,以加速3D磁共振指纹 (MRF) 采集. 新方法显著加速成像,使先进的组织特性量化更具临床可行性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物物理学的生物物理.
背景情况:
- 磁共振指纹 (MRF) 能够快速,同时量化多种组织特性.
- 目前的3D MRF方法需要进一步提高速度以获得广泛的临床采用.
研究的目的:
- 开发一种新的深度学习方法,以加速3D MRF获取.
- 为了提高获取速度沿着切片编码方向在k空间.
主要方法:
- 引入基于图形的卷积神经网络,适用于MRF中使用的非卡特西亚螺旋轨迹.
- 实施深度学习模型以加速3D MRF数据采集.
主要成果:
- 在3D MRF获取速度方面取得了显著的加速.
- 与现有的最先进的方法相比,提高了组织量化准确性.
- 能够在不到5分钟的时间内以高空间分辨率覆盖整个大脑.
结论:
- 开发的深度学习方法使3D MRF更适合临床应用.
- 快速和高分辨率的3DMRF成像现在可以在临床相关的时间框架内实现.


