非训练有素的超分辨率网络,用于使用心脏触发式REACT (SRNN-REACT) 获得的非对比增强全心MRI
Corbin Maciel1, Tayaba Miah2, Qing Zou2,3,4
1Department of Biomedical Engineering, University of Texas Southwestern Medical Center, Dallas, USA.
Current medical imaging
|November 26, 2024
概括
一个无监督的神经网络 (SRNN) 增强了全心3DMRI扫描,减少扫描时间和改善图像质量,以更好地评估儿科患者的心脏解剖学.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 三维 (3D) 全心磁共振成像 (MRI) 对于评估先天性和获得性心脏病中的心脏解剖学至关重要.
- 目前的3D全心MRI协议很长,容易产生带状物体,限制了它们的临床实用性.
研究的目的:
- 验证无监督神经网络 (SRNN) 用于超高分辨率的低分辨率3D全心MRI图像.
- 目标是减少MRI采集时间,提高图像质量.
主要方法:
- 对SRNN进行了评估,对比了二线性插值,AdapSR和高分辨率的地面真相图像.
- 对30名儿科患者的数据进行了包括信号与噪声比 (SNR) 在内的定性和定量评估.
- 还对SRNN的性能进行了定性比较,与没有基本真相的对比增强全心图像进行了比较.
主要成果:
- SRNN显示出更好的图像质量,通过定量和定性分析验证.
- 该网络通过实现低分辨率扫描,成功地减少了采集时间.
- 结果证实了SRNN在提高图像质量方面的优势,与其他方法相比.
结论:
- 该SRNN有效地减少噪音,并消除3D全心MRI中的文物.
- 它保留了准确的解剖结构,同时提高了整体图像质量.
- SRNN为更快,更高质量的心脏MRI采集提供了一个有前途的解决方案.
