基于深度学习的降噪可以在患有脑瘤的患者中保留定量MRI生物标志物
Geoffroy Pouliquen1, Clément Debacker1, Sylvain Charron1
1Imaging department, GHU-Paris Psychiatrie et Neurosciences, Hôpital Sainte Anne, F-75014, Paris, France; Université Paris Cité, Institute of Psychiatry and Neuroscience (IPNP), INSERM U1266, 75014, Paris, France.
Journal of neuroradiology = Journal de neuroradiologie
|November 4, 2024
概括
深度学习重建 (DLR) 可以减少脑瘤的MRI扫描时间. 这种人工智能技术保留了关键的定量MRI参数,使得在临床环境中更快,更容易获得的瘤评估.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经瘤学神经瘤学
背景情况:
- 定量MRI参数,如分数异位素 (FA),平均扩散率 (MD) 和放松时间 (T1,T2) 对于脑瘤评估至关重要.
- 这些MRI序列的长时间获取限制了它们的临床实用性.
研究的目的:
- 评估深度学习重建 (DLR) 否定算法的对定量MRI参数的影响.
- 评估DLR能否保持参数准确性,同时显著减少脑瘤成像扫描时间.
主要方法:
- 一个深度学习重建 (DLR) 算法被应用于快速,低质量的MRI序列.
- 量化MRI参数 (FA,MD,T1,T2) 由DLR处理的和标准的长时间序列计算出来.
- 结构相似度指数被用来比较得到的参数图.
主要成果:
- DLR成功地保留了定量MRI参数 (FA,MD,T1,T2) 的平均值.
- 使用DLR生成的参数图显示,与标准的长时间序列相比,结构上的相似性更高.
- DLR技术允许缩短MRI扫描时间.
结论:
- 深度学习重建 (DLR) 是一种可行的技术,用于在脑瘤评估中消除快速MRI序列.
- 通过DLR,可以获得可靠的定量MRI生物标志物,缩短扫描时间.
- 这种方法可能有助于更广泛的临床采用先进的MRI生物标志物用于脑瘤评估.
