用深度学习重建代运动校正技术用于脑MRI:一个志愿者和患者研究

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:

• 运动文物是脑MRI的一个常见问题,降低图像质量,并可能影响诊断.
• 深度学习重建 (DLR) 提供了先进的图像重建,但仍然可能容易受到运动诱导的工件的影响.
• 代运动校正 (IMC) 是一种旨在减轻这些人工制造物的技术.

研究的目的:

• 评估代运动校正 (IMC) 在减少脑MRI中的运动器件的有效性.
• 评估IMC在与深度学习重建 (DLR) 结合时对图像质量的影响.
• 为了比较图像质量的定量和质量指标,有或没有IMC.

主要方法:

• 从10名志愿者 (无运动和自我诱导运动) 和30名患者获得脑部MRI扫描 (FLAIR序列).
• 用深度学习重建 (DLR) 来重建图像,并没有代运动校正 (IMC).
• 定量分析使用了结构相似性指数测量 (SSIM);定性分析涉及盲目的读者对运动工件,噪音和整体质量的评估.

主要成果:

• 定量分析显示,IMC上图像 (0.952) 与IMC关闭图像 (0.949) 相比,IMC上图像的SSIM显著更高 (p < 0.001).
• 定性分析显示,所有三个盲人阅读者都发现动作文物和整体图像质量在IMC上明显更好 (p < 0.001).
• 虽然两位读者注意到IMC-on带来的噪声增加 (p < 0.001),但运动工件的减少和整体质量的改善被认为更为显著.

结论:

• 代运动校正 (IMC) 有效地减少大脑FLAIR DLR图像中的运动工件.
• IMC保留了重建图像与静止扫描的相似性.
• IMC和DLR的组合提高了脑MRI的整体图像质量,使其成为临床实践中一个有价值的技术.