验证深度学习加速对深层大脑细胞核的定量敏感性映射

科学领域:

• 医疗成像医学成像
• 神经科学是一个神经科学.
• 人工智能的人工智能

背景情况:

• 定量敏感性映射 (QSM) 对于神经成像至关重要,但长时间的扫描时间限制了其临床应用.
• 使用QSM评估深层脑细胞核对于了解各种神经疾病至关重要.

研究的目的:

• 评估深度学习 (DL) 加速的QSM方法对深层大脑核的可行性和一致性.
• 为了比较DL-QSM与传统平行成像 (PI) -QSM在不同的加速度因子 (AF) 下.

主要方法:

• 开发了一种DL-QSM方法,使用级联卷积神经网络 (CNN) 与Poisson盘底样方案.
• 从59名参与者获得的QSM数据,使用PI-QSM (AF=2) 和DL-QSM (AF=3,4,5),成像参数相同.
• 使用结构相似性指数 (SSIM) 和峰值信号噪声比率 (PSNR) 评估图像相似性,并在7个深层大脑核中评估QSM值协议和年龄-QSM相关性.

主要成果:

• DL-QSM图像与PI-QSM图像具有很高的相似性 (平均SSIM:0.85-0.87).
• 对于DL-QSM,PSNR平均值一直很高 (44.23-44.56).
• 来自DL-QSM的敏感度值在组级PI-QSM值的5%以内,并且始终观察到年龄-QSM关联.

结论:

• DL加速的QSM是一种可行的方法来测量深层大脑核中的敏感性.
• 在DL-QSM中,加速因子高达5不会显著改变深层大脑核中的年龄敏感性关系,从而使扫描速度更快.