用磁共振弹性学和有限差异时间域 (FDTD) 基于模拟的时空神经网络对组织刚性的量化

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 磁共振弹性成像 (MRE) 量化了组织硬度,这对于诊断各种疾病至关重要.
• 传统的MRE方法,如直接倒置 (DI) 和局部频率估计 (LFE),容易受到噪声的影响,限制了准确性.
• 精确的组织硬度量化对于疾病检测和监测至关重要.

研究的目的:

• 开发和评估一个新的时空神经网络 (FDTDNet) 来从MRE数据中进行强大的组织度估计.
• 评估FDTDNet的性能与传统的DI和LFE方法相比,特别是在噪音条件下.
• 为了证明FDTDNet在检测组织硬度图中的小内含物方面的能力.

主要方法:

• 模拟的MRE数据使用有限差异时间域 (FDTD) 方法来训练一个时空神经网络 (FDTDNet).
• 使用不同信号噪声比率 (SNR) 和幻影研究的模拟数据,对FDTDNet与DI和LFE进行比较分析.
• 评价噪声强度,准确度 (平均绝对误差) 和包含的可检测性 (对比度与噪声比,结构相似性指数).

主要成果:

• 与DI和LFE相比,FDTDNet显示出明显优越的噪声稳定性.
• 对于模拟数据 (15 dB SNR),FDTDNet在硬度量化中实现了明显较低的平均绝对误差 (DI和LFE的7%比77.8%和84.4%高).
• 在模拟和幻影数据中,FDTDNet显著提高了包含的检测能力,在模拟和幻影数据中显示的CNR和SSIM值高于DI和LFE. 在人类小腿肌肉MRE中也表明了可行性.

结论:

• 使用MRE,FDTDNet提供了一种强大而准确的方法来量化组织度,其性能优于传统技术.
• 由人工智能驱动的方法显著提高了噪音弹性和检测微妙的组织异常.
• 在涉及人体的临床应用中,FDTDNet显示了精确的MRE量化有很大的潜力.