使用视觉变压器和的边缘探测器绘制MR电气性能映射

科学领域:

• 医疗成像医学成像
• 计算神经科学是一种神经科学.
• 生物物理学的生物物理.

背景情况:

• 磁共振成像是一种强大的非侵入性工具.
• 精确的电特性 (EP) 重建对于先进的MR应用至关重要.
• 目前用于EP重建的方法在速度和准确性方面存在局限性.

研究的目的:

• 开发一种基于3D视觉变压器的新型神经网络,用于从MR测量中重建电性质 (EP).
• 使用MR信号特征和对象边界作为EP映射的输入.
• 为了建立一个临床适用 in vivo EP重建的基础.

主要方法:

• 一个3D视觉转换器神经网络被设计用于处理MR数据.
• 输入包括传输磁场大小,转接相,和坎尼边缘面具.
• 该网络在广泛的合成数据集上进行了训练,并在现实的头部模型上进行了微调,并对实验数据进行了验证.

主要成果:

• 该模型在重建导电性和导电性方面取得了很高的准确性,实际头部模型的平均峰值正常化绝对误差 (PNAE) 低于3%.
• 损伤检测和表征是准确的,重建的值接近基本真相.
• 幽灵和体内扫描的实验验证证明了该方法的稳定性和解剖学保存.

结论:

• 成功开发了一种基于学习的新方法,用于基于MR的电气物业重建.
• 该方法对准确和高效的体内EP映射有显著的前景.
• 这项工作代表了基于MR的EP重建临床翻译的关键进展.