相关实验视频
Updated: Jun 29, 2025
09:30
Quantitative Magnetic Resonance Imaging of Skeletal Muscle Disease
Published on: December 18, 2016
19.5K
专用兴趣区域的深度卷积神经网络基于多参数的定量超短回声时间 (UTE) 膝关节关节磁共振成像
Xing Lu1, Yajun Ma1, Eric Y Chang1,2
1Department of Radiology, University of California, 9452 Medical Center Dr, San Diego, San Diego, CA, 92037, USA.
Journal of imaging informatics in medicine
|March 29, 2024
概括
一个新的深度学习模型,RMQ-Net,加速膝关节定量超短回声时间MRI. 这种方法可以更快地绘制T1和T1ρ地图,并准确地细分软骨,有助于骨关节炎的评估.
科学领域:
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 人工智能 (AI) 是一种人工智能.
- 医学成像分析 医学成像分析
背景情况:
- 定量超短回声时间 (UTE) MRI 对膝关节关节组织提供了宝贵的见解.
- 加快UTEMRI采集对于临床可行性和患者舒适性至关重要.
- 关节软骨的准确细分对于可靠的放松度测绘至关重要.
研究的目的:
- 开发和验证用于膝关节加速定量UTEMRI的深度学习模型.
- 通过基于兴趣区域 (ROI) 的方法实现自动多组织细分和放松度测绘.
- 评估模型在T1和T1ρ映射的各种加速度因子上的性能.
主要方法:
- 提出了一个端到端的深度学习卷积神经网络 (DCNN),称为RMQ-Net.
- 在RMQ-Net的训练和测试中,使用了65个人类膝关节的基于UTE的T1和Adiabatic T1ρ映射数据.
- 对比研究使用不同百分比的UTEMRI数据 (100%至18%)作为输入来评估加速效应.
主要成果:
- 在RMQ-Net预测和细分软骨的基准真相之间实现了高的皮尔森相关系数.
- 在加速系数为5.7的情况下,r值达到0.908 (基于ROI) 和0.945 (基于voxel) 的UTE-T1.1.
- 对于UTE-AdiabT1ρ,在5.7倍加速时的r值为0.733 (基于ROI) 和0.895 (基于voxel).
结论:
- RMQ-Net有效地加速了膝关节的定量UTE MRI.
- 该模型在自动化关节软骨细分和放松度测绘中表现出强大的性能.
- 这种方法具有很大的潜力,可以在临床环境中更快,更有效地进行膝关节关节成像.
