基于深度学习的重建加速3DT1图像的大脑体积测量的可靠性

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 神经成像是一种神经成像.

背景情况:

• 定量大脑体积测量对于评估大脑缩至关重要,但由于3D T1加权MRI采集和分析的时间密集性而受到限制.
• 需要加速的MRI技术来提高效率,而不会影响诊断准确度.

研究的目的:

• 探索基于深度学习的加快3D T1加权MRI用于定量大脑体积的可行性和可靠性.
• 评估深度学习重建在减少扫描时间的性能,同时保持图像质量和体积精度.

主要方法:

• 一项回顾性研究使用了来自90名参与者的3D T1加权MRI数据 (42个模拟加速,48个验证).
• 模拟加速涉及65%,70%和75%的低样本与深度学习重建 (Simul-Accel-DL).
• 卷度测量使用课内相关系数 (ICC) 和使用NeuroQuant和DeepBrain软件的线性回归进行了评估.

主要成果:

• 深度学习重建 (Simul-Accel-DL) 的错误指标与传统的低样本测试相比相当或更高.
• 在模拟数据集中,在常规扫描和加速扫描之间观察到很高的一致性 (体积的ICC> 0.90,百分点> 0.77).
• 验证数据集显示出大多数地区的优异一致性 (ICCs > 0.96对于体积,> 0.89对于百分位数;R2 > 0.93).

结论:

• 基于深度学习的重建显著加速3D T1大脑体积MRI采集,达到高达75%的加速.
• 这种方法证明了临床可行性,使大脑缩的有效和可靠的定量评估成为可能.