在中风中使用生成对抗网络从TOF-MRA生成输液参数图

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 脑血管疾病 脑血管疾病

背景情况:

• 传统的输液成像技术可能是侵入性的或耗时的.
• 飞行时间磁共振血管造影 (TOF-MRA) 是一种非侵入性成像方式.
• 开发非侵入性方法来评估大脑血液动力学对于脑血管疾病管理至关重要.

研究的目的:

• 开发一种能够从TOF-MRA图像中生成 perfusion 参数图的AI 模型.
• 为传统的输液成像方法提供一种非侵入性的替代方案.
• 评估脑血管疾病患者的大脑血液动力学.

主要方法:

• 一项回顾性研究包括272名患有脑血管疾病 (急性中风和狭性疾病) 的患者.
• 一个3D pix2pix生成对抗网络 (GAN) 被调整为从TOF-MRA图像中生成 perfusion 图 (CBF,CBV,MTT,TTP,Tmax).
• 模型性能使用结构相似度指数 (SSIM) 和Dice病变重叠系数来评估.

主要成果:

• 在所有生成的 perfusion 地图中,GAN 模型展示了高视觉重叠和性能.
• 量化指标 (SSIM,PSNR,MAE,NRMSE) 在两组患者中都显示出强大的表现.
• 损伤重叠分析显示,低透性损伤 (Tmax>6秒) 的Dice系数中位数为0.49.

结论:

• 人工智能模型成功地从TOF-MRA生成 perfusion map,提供对大脑血液动力学的非侵入性评估.
• 这种人工智能驱动的方法有可能影响脑血管疾病患者分层.
• 为了广泛的临床应用,需要进一步的细化和验证.