基于深度学习的超分辨率重建在低样本大脑扩散权重的MRI上用于心脏病发作中风:与传统代重建的比较
Shuo Zhang1, Meimeng Zhong2, Hanxu Shenliu3
1From the Department of Nuclear Medicine (S.Z., H.F.), The First Affiliated Hospital of Dalian Medical University, Dalian, China.
AJNR. American journal of neuroradiology
|January 8, 2025
概括
深度学习 (DL) 超分辨率提高了脑扩散权重成像 (DWI) 质量,用于中风检测. 与传统方法相比,这种先进的重建增强了病变可视化和诊断信心.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 扩散加权成像 (DWI) 对于检测心脏病发作中风至关重要.
- 传统DWI的局限空间分辨率阻碍了对中风病变的准确可视化.
- 为了克服这些局限性,正在探索超分辨率重建技术.
研究的目的:
- 为了评估基于深度学习 (DL) 的超分辨率重建的大脑DWI在中风检测中的图像质量.
- 与传统方法相比,评估与基于DL的超分辨率DWI相关的诊断信心.
- 为了比较基于DL的超分辨率重建 (DWIDL) 与压缩传感重建 (DWICS) 的性能.
主要方法:
- 114个大脑DWI检查的回顾性分析.
- 使用两个方案重建DWI图像:基于DL的超分辨率 (DWIDL) 和常规压缩传感 (DWICS).
- 图像质量,病变明显性和诊断信心的定性评估;SNR,CNR,ADC和边缘上升距离的定量评估.
主要成果:
- 与DWICS (P <.001) 相比,DWIDL显著改善了整体图像质量,病变明显性和心脏病发作中风病变的诊断信心 (<1.5厘米).
- 定量分析显示,DWIDL (P <.001) 的边缘上升距离减少了.
- 两种方法之间的SNR,CNR和ADC值没有显著差异 (P > .05).
结论:
- 基于DL的超分辨率重建为脑DWI在心脏病发作中风检测中提供了优越的图像质量.
- 与传统的压缩传感重建相比,这种技术提高了诊断的信心.
- 基于DL的超分辨率是改进中风成像的可行和有效方法.
