基于深度学习的高分辨率磁共振血管学 (MRA) 生成模型,用于4D时间分辨率血管学与交联静态轨迹 (TWIST) MRA在快速中风成像中
Bo Kyu Kim1, Sung-Hye You1, Byungjun Kim1
1Department of Radiology, Anam Hospital, Korea University College of Medicine, #126-1, 5-Ka Anam-dong, Sungbuk ku, Seoul 136-705, Republic of Korea.
Diagnostics (Basel, Switzerland)
|June 19, 2024
概括
深度神经网络重建显著改善了时间解析血管造影与交联静态轨迹 (4D-TWIST-MRA) 的图像质量. 这种增强有助于更有效地诊断内动脉瘤和大血管封闭.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 在评估脑血管疾病方面,使用交叉静态轨迹 (4D-TWIST-MRA) 的时间解析血管造影至关重要.
- 深度神经网络 (DNN) 提供了提高MR图像重建质量的潜力.
研究的目的:
- 使用基于DNN的重建软件来提高4D-TWIST-MRA的定性和定量图像质量.
- 评估DNN重建的MRA (4D-DNR) 对内动脉瘤和大血管封闭的诊断性能.
主要方法:
- 520名患者接受4D-TWIST-MRA对缺血性中风或狭窄症的评估.
- 使用SwiftMR软件应用了基于DNN的重建 (4D-DNR).
- 与飞行时间MRA (TOF-MRA) 进行SNR,图像质量,噪音,清晰度,血管明显性和静脉污染的比较.
- 放射科医生对动脉瘤检测率的评估以及对大血管封闭的信心和决定时间的评估.
主要成果:
- 与4D-TWIST-MRA.相比,4D-DNR显示出优越的图像质量,清晰度,血管明显性和降低噪音.
- 4D-DNR显示了比4D-TWIST-MRA.RA更高的信号噪声比率 (SNR).
- 静脉污染或动脉瘤检测率没有显著差异,4D-DNR精确评估了动脉瘤大小,与4D-CE-MRA不同. 通过4D-DNR.提高了对大血管封闭诊断的信心和减少了决策时间.
结论:
- DNN重建可以提高4D-TWIST-MRA的定性和定量图像质量.
- 基于DNN的MRA改善了关键脑血管疾病的诊断性能,如内动脉瘤和大血管封闭.
更多相关视频
09:57Development and Evaluation of 3D-Printed Cardiovascular Phantoms for Interventional Planning and Training
Published on: January 18, 2021
4.0K
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
3.0K
