相关实验视频
Updated: Jun 22, 2025
08:51
Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla
Published on: February 19, 2021
8.9K
加速高分辨率深度学习重建旋回旋回声MRI膝盖在7T
Adrian Alexander Marth1, Constantin von Deuster, Stefan Sommer
1From the Swiss Center for Musculoskeletal Imaging, Balgrist Campus AG, Zurich, Switzerland (A.A.M., C.v.D., S.S., D.N.); Department of Radiology, Balgrist University Hospital, Zurich, Switzerland (A.A.M., G.C.F., S.S.G., R.S.); Advanced Clinical Imaging Technology, Siemens Healthineers International AG, Zurich, Switzerland (C.v.D., S.S.); and Medical Faculty, University of Zurich, Zurich, Switzerland (R.S., D.N.).
Investigative radiology
|July 3, 2024
概括
与传统方法相比,深度学习 (DL) 重建显著提高了7特斯拉膝盖MRI图像质量. 这种先进的技术提高了图像对比度,清晰度,并减少了加速并行成像采集中的噪声.
科学领域:
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 医学成像技术 医学成像技术
- 医疗保健中的人工智能
背景情况:
- 加速MRI采集可以减少扫描时间,但可能会损害图像质量.
- 深度学习 (DL) 算法显示出改善MRI图像重建的前景.
- 对高分辨率的7特斯拉 (T) 膝盖成像与并行成像的DL评估至关重要.
研究的目的:
- 为了比较使用基于DL的传统算法重建的7T膝盖MRI扫描的图像质量.
- 评估不同并行成像加速因子 (2x,3x,4x) 对图像质量的影响.
- 为了确定DL重建对于加速的2D轮回旋回声 (TSE) 序列的有效性.
主要方法:
- 一项前性研究,涉及23名健康志愿者接受7T膝盖MRI.
- 获得高分辨率的脂肪抑制质子密度 (PD-fs) 和T1加权的冠状 2D TSE图像在2x,3x和4x加速.
- 使用基于DL的和传统的通用自动校准部分并行获取 (GRAPPA) 算法重建原始数据.
- 由三个读者进行的主观图像质量评估,评估对比度,清晰度,工件,噪音和整体质量.
主要成果:
- 基于DL的重建在4倍加速时在图像对比度,清晰度,噪音和整体质量方面显著优于GRAPPA (P < 0.001).
- 在所有评估的质量指标 (P ≤ 0.031) 中,4倍加速的DL图像优于2x-3xGRAPPA图像.
- 在2x,3x和4x加速的DL重建中没有发现图像质量的显著差异,这表明跨加速因子的性能强大.
结论:
- 基于DL的重建为加速7T膝盖MRI提供了重要的技术潜力.
- 与传统方法相比,DL在高分辨率TSE采集中显著提高了图像质量指标.
- 在较高的并行成像加速因子下,DL重建能够提高图像质量.
