基于深度学习的快速图像重建和运动校正,用于3T的高分辨率卡特西安第一通透心肌输液成像
Junyu Wang1, Michael Salerno1,2
1Department of Cardiovascular Medicine, Stanford University, Stanford, California, USA.
Magnetic resonance in medicine
|April 5, 2024
概括
深度学习可以快速重建高分辨率的心脏MRI图像,显著减少心肌输液成像的扫描时间. 这种先进的技术确保了与传统方法相比的优质图像质量.
科学领域:
- 心血管磁共振成像 - 心血管磁共振成像
- 医疗成像中的人工智能
- 图像重建算法 图像重建算法
背景情况:
- 高分辨率的心脏MRI对于诊断心肌疾病至关重要.
- 传统的图像重建方法可能会耗时.
- 运动器件,特别是呼吸运动,可以降低图像质量.
研究的目的:
- 开发和评估基于深度学习 (DL) 的技术,用于心脏MRI中的快速图像重建和运动校正.
- 为了实现全心覆盖,在3T时进行高分辨率的笛卡尔第一通心肌输液成像,以实现全心覆盖.
- 评估单片 (SS) 和同时多片 (SMS) 采购的性能.
主要方法:
- 利用3D物理驱动的无卷网络架构进行图像重建.
- 在20个受试者的135个切片上训练SS和SMS多带 (MB) =2个网络.
- 采用2D U-Net进行呼吸运动校正,评估时间真实性和二次导数.
主要成果:
- 该DL技术表现出高SSIM,PSNR和低NRMSE的优异性能.
- DL重建的图像质量得分与L1-SENSE可比,没有统计学上显著的差异 (p>0.05).
- 网络推断时间大约为4秒,比L1-SENSE的30分钟快得多.
结论:
- 拟议的基于DL的技术能够快速,高质量的图像重建心脏MRI.
- 它有效用于SS和SMS MB=2高分辨率的卡特西安第一通透心肌 perfusion成像在3T.
- 这一进步显著加速了心脏MRI工作流程.
