通过多序和卷积神经网络加速脑MRI成像
Zhanhao Mo1, He Sui1, Zhongwen Lv1
1Department of Radiology, China-Japan Union Hospital of Jilin University, Changchun, China.
Brain and behavior
|November 18, 2024
概括
深度学习重建通过使用跨序列的共同信息来加速大脑MRI扫描. 这种方法保持了诊断质量和图像完整性,大大减少了扫描时间.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 磁共振成像 (MRI) 对于诊断至关重要,但其采集时间较长.
- 减少MRI扫描时间对于改善患者舒适度和吞吐量至关重要.
- 深度学习为加速医学图像采集提供了潜在的解决方案.
研究的目的:
- 评估深度学习技术,以减少MRI扫描时间.
- 评估MRI序列之间的共享信息是否可以加快漫长的扫描.
- 为了确定加速MRI是否保持诊断图像质量.
主要方法:
- 利用了来自217名患者和105名健康受试者的全样本T1-FLAIR,T2-FLAIR和T2WI脑MRI数据.
- 在各种加速度因子下使用笛卡尔面具对T1-FLAIR和T2-FLAIR序列进行子样本.
- 采用深度学习重建来从低样本数据和T2WI预测完全采样的图像,然后进行定性和定量评估.
主要成果:
- 放射科医生的诊断决定在加速和全样本MRI扫描之间保持一致.
- 在区域信号与噪声比率 (SNR) 和对比与噪声比率 (CNR) 中没有发现显著差异 (p > 0.05).
- 放射科医生的定性图像质量评估显示没有显著差异 (p > 0.05).
结论:
- 基于深度学习的重建有效地加速了脑部MRI的获取.
- 该方法可以产生可接受的图像质量,而不会影响诊断准确度.
- 这种方法有望在临床实践中显著减少患者扫描时间.
