深度学习超分辨率重建,提供快速高质量的心血管磁共振

科学领域:

• 心血管磁共振成像 - 心血管磁共振成像
• 医疗成像中的人工智能
• 图像重建和增强 图像重建和增强

背景情况:

• 心血管磁共振 (CMR) 影像对心脏评估至关重要,但往往耗时且易受人造物影响.
• 标准分辨率平衡稳定状态自由前行 (bSSFP) 电影序列需要长时间的获取时间和喘息时间.

研究的目的:

• 评估深度学习 (DL) 超分辨率算法在重建低分辨率电影CMR图像中的有效性.
• 将DL重建的低分辨率电影图像与标准分辨率电影图像的诊断性能和图像质量进行比较.

主要方法:

• 在正常和低分辨率的健康志愿者和患者中获得cine CMR数据集 (短轴和4室视图) 的前景.
• 低分辨率图像使用压缩感应DL无声化和超分辨率算法 (cine_DL) 重建.
• 进行了定量 (LVEF,LVEDVi,菌株,aSNR,aCNR) 和定性 (主观图像质量) 的评估.

主要成果:

• DL超分辨率显著降低了Cine CMR获取时间的42% (57.5比98.7秒;p < 0.0001),使呼吸时间更短.
• 在左心室喷射分数 (LVEF),终腹体积指数 (LVEDVi) 或 cine_DL 和标准 cine_NR 图像之间的应变 (所有 p > 0.12) 中没有观察到显著差异.
• 显而易见的信号与噪声比率 (aSNR),对比度与噪声比率 (aCNR) 和主观图像质量在两种方法之间仍然可比 (p > 0.32).

结论:

• 基于深度学习的低分辨率电影CMR图像的超高分辨率重建有效地减少了采集时间,而不会影响体积精度或图像质量.
• 这种方法通过缩短扫描时间和减少长时间的喘息患者的负担,提高了电影成像的临床可行性.
• DL超分辨率为优化电影CMR协议提供了一个有希望的策略,提高了效率,同时保持了诊断性能.