深度学习用于加速和强大的MRI重建
Reinhard Heckel1, Mathews Jacob2, Akshay Chaudhari3,4
1Department of computer engineering, Technical University of Munich, Munich, Germany.
Magma (New York, N.Y.)
|July 23, 2024
概括
深度学习 (DL) 通过提高图像质量和扫描速度,显著增强磁共振成像 (MRI) 重建. 本综述涵盖了DL方法,解决临床放射学的局限性和未来潜力.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 磁共振成像 (MRI) 对于诊断放射学至关重要.
- 传统的MRI重建在图像质量和扫描时间方面面临限制.
- 深度学习 (DL) 为MRI提供了变革的潜力.
研究的目的:
- 提供对MRI重建的DL近期进展的全面审查.
- 探索MRI增强的各种DL方法和架构.
- 突出DL在克服传统MRI局限性的作用.
主要方法:
- 对端到端神经网络,预训练模型和生成模型的审查.
- 对MRI重建的自主监督DL方法的分析.
- 讨论DL用于优化采集协议和应对数据挑战.
主要成果:
- DL可以提高MRI图像质量,加快扫描时间.
- DL方法解决了诸如分配转移和偏差等挑战.
- 各种DL架构对MRI重建有显著的贡献.
结论:
- DL是一个关键的技术,彻底改变了MRI重建.
- DL有可能对临床成像实践产生重大影响.
- 未来的研究方向重点是进一步利用MRI中的DL.
