晚期加多增强心血管磁共振与生成的人工智能
Omer Burak Demirel1, Fahime Ghanbari1, Christopher W Hoeger1
1Department of Medicine (Cardiovascular Division) and Harvard Medical School, Boston, Massachusetts, USA.
概括
这项研究表明,生成人工智能 (AI) 显著提高了晚期加多增强 (LGE) 心血管磁共振 (CMR) 图像的清晰度. 人工智能模型提高了图像质量,同时减少了扫描时间,使LGE-CMR更高效.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 医学图像分析 医学图像分析
背景情况:
- 晚期加多增强 (LGE) 心血管磁共振 (CMR) 对痕成像至关重要,但由于信号噪声比较低,加速面临挑战.
- 在LGE-CMR中图像加速是可取的,但在技术上很困难,需要新的方法来保持图像质量.
研究的目的:
- 为了评估一个快速的2D LGE成像协议,利用生成人工智能 (AI) 算法与内线重建.
- 评估AI对LGE-CMR图像清晰度和扫描时间的影响.
主要方法:
- 基于增强的超分辨率生成对抗网络的生成AI模型被用于图像增强.
- 人工智能模型提高了2D LGE图像的平面分辨率,从低分辨率对应物到扫描仪上的1.5 x 1.5 mm2直线.
- 图像的清晰度通过模糊度量客观量化,并由三个独立的读者在5分级别上主观评估.
主要成果:
- 在线AI重建大约需要37毫秒,大大减少了整体扫描时间.
- 基于人工智能的增强改善了视觉图像的清晰度,与低分辨率图像相比,模糊度指标较低 (0.3 ± 0.03 与 0.35 ± 0.03 相比,P < 0.01).
- 用人工智能增强的图像显示出与原始LGE图像类似的清晰度 (模糊度指标为0.30 ± 0.03比0.31 ± 0.03,P = 1.0) 清晰度的主观改善为18%.
结论:
- 生成型人工智能有效地提高2D LGE图像质量,减少扫描时间,同时保持或提高清晰度.
- 这项概念验证研究强调了人工智能在LGE-CMR中的潜力,尽管在痕评估中需要进一步的大规模评估以获得临床实用性.
