使用基于深度学习的Z光谱压缩传感加速帕金森病的多池CESTMRI
Lin Chen1,2, Haipeng Xu2, Tao Gong3
1Department of Electronic Science, Fujian Provincial Key Laboratory of Plasma and Magnetic Resonance, School of Electronic Science and Engineering, National Model Microelectronics College, Xiamen University, Xiamen, China.
Magnetic resonance in medicine
|July 24, 2024
概括
这项研究引入了Z光谱压缩传感 (CS) 以在帕金森病 (PD) 检测中实现更快的多池 CEST MRI. 该方法显著提高了预测准确性,同时将扫描时间减少了33%.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 机器学习 机器学习
- 神经科学是一个神经科学.
背景情况:
- 帕金森病 (PD) 诊断依赖于准确的成像生物标志物.
- 多聚合物化学交换和转移 (CEST) MRI 提供代谢洞察力,但由于扫描时间长.
- 缩短扫描时间对于临床适用性和患者舒适性至关重要.
研究的目的:
- 开发一种深度学习方法来缩短多池CESTMRI扫描时间,以检测帕金森病 (PD).
- 为了保持高预测准确度,尽管收购时间缩短.
- 通过对现有技术进行验证,验证拟议的方法.
主要方法:
- 一个经过修改的1D U-Net深度学习模型,称为Z光谱压缩传感 (CS),被开发用于从稀疏数据中重建密集的Z光谱.
- 该模型使用模拟的Z光谱从布洛赫方程获得训练,并通过体内大鼠大脑实验验验证.
- 该方法应用于6二多巴胺诱导的PD大鼠模型,分析了各种CEST对比 (APT,CEST@2ppm,NOE,DS,MT).
主要成果:
- 与线性,pchip和Lorentzian插值相比,Z光谱CS在Z光谱恢复中表现出更高的忠实性.
- 在野生类型和PD大鼠条纹之间检测到显著的代谢差异 (APT,CEST@2ppm,NOE,DS).
- 采用Z光谱CS的多组CESTMRI实现了33%的扫描时间缩短,同时保持了预测准确性,优于单个CEST对比.
结论:
- Z-光谱CS有效地加速了多池CESTMRI采集.
- 综合方法提高了帕金森病的诊断准确度.
- 这种方法为先进的MRI技术的临床转化提供了可行的解决方案.
