基于循环神经网络的同时心脏T1,T2和T1ρ映射
Yiming Tao1, Zhenfeng Lv1, Wenjian Liu1
1School of Biomedical Engineering, ShanghaiTech University, Shanghai, China.
NMR in biomedicine
|March 23, 2024
概括
使用循环神经网络 (RNN) 的深度神经网络通过在2秒内生成T1,T2和T1ρ地图来加速心脏映射. 这种方法的准确性与传统技术相似,但速度是60倍快,从而实现了高效的临床应用.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 心血管磁力共振成像 (MRI) 的方法
背景情况:
- 多参数映射在心脏MRI中提供了全面的组织特征.
- 目前的自由呼吸心脏映射技术可能耗时,限制临床效用.
- 加速图像重建对于高效的多参数心脏MRI至关重要.
研究的目的:
- 评估训练深度神经网络 (RNN) 的可行性,以加速生成T1,T2和T1ρ地图.
- 开发基于RNN的模型,以快速准确地估计心脏T1,T2和T1ρ参数.
- 为了比较基于RNN的方法与字典匹配和传统映射技术的性能.
主要方法:
- 一个循环神经网络 (RNN) 被训练使用一个大数据集 (>1000万信号) 通过Bloch模拟产生的不同噪音水平.
- 该RNN模型利用多对比图像中的时间相关性进行参数估计.
- 性能在幻影研究和体内研究中评估了10名健康志愿者在3T,与字典匹配和传统方法进行比较.
主要成果:
- 基于RNN的方法和字典匹配方法在T1,T2和T1ρ估计中表现出可比的准确性和精度,无论是在幻影和体内实验中.
- 在体内结果显示,RNN和字典匹配方法之间的T1,T2和T1ρ值没有显著差异 (p > 0.1).
- 通过RNN加速方法,只需2秒即可实现心脏多参数图的同时重建,这代表了60倍的加速.
结论:
- 基于RNN的深度学习方法使T1,T2和T1ρ地图的高度加速,准确和同时重建成为自由呼吸的心脏多参数映射.
- 与字典匹配技术相比,这种方法显著提高了效率.
- 这种RNN加速技术在临床心血管MRI应用中有望实现线内定量映射.
