配对条件生成对抗网络用于高度加速的肝脏4DMRI.

科学领域:

• 医疗成像医学成像
• 辐射疗法 辐射疗法
• 人工智能的人工智能

背景情况:

• 4D MRI对于图像导向肝脏放射治疗至关重要,但获得高分辨率数据是耗时的.
• 采用稀疏采样的加速MRI采集通常会损害图像质量或增加重建时间.

研究的目的:

• 提出和评估重建配对条件生成对抗网络 (Re-Con-GAN) 以快速高质量的4D肝脏MRI重建.
• 为了减少4DMRI的重建时间,同时保持放射治疗应用的图像保真度.

主要方法:

• 开发了Re-Con-GAN,一个生成对抗网络,利用ResNet9,UNet,或使用PatchGAN区分器重建swin变压器发生器.
• 在48名患者的4D肝脏MRI数据 (3D + 时间) 上训练Re-Con-GAN,将数据作为时间切片 (2D + 时间) 处理.
• 将Re-Con-GAN与压缩传感 (CS) 和UNet模型进行比较,使用PSNR,SSIM,RMSE和肝脏总瘤体积 (GTV) 定位任务来评估图像质量.

主要成果:

• 在Re-Con-GAN取得的PSNR,SSIM和RMSE得分与CS和UNet相比相当或更高.
• 与CS (120s) 相比,Re-Con-GAN的推断时间显著更快 (0.15s),与UNet (0.16s) 相比.
• 与UNet (79.88%) 相比,Re-Con-GAN提高了GTV检测任务中的Dice得分,这些图像的样本不足 (80.98%) 和UNet (79.88%) 相比.

结论:

• 使用对抗训练,Re-Con-GAN展示了高效和高质量的4D肝脏MRI图像重建.
• Re-Con-GAN的快速和高质量的重建能力可能会增强肝癌的在线自适应性MR导向放射治疗.