条件扩散生成的超分辨率用于心肌 perfusion MRI 的条件扩散

科学领域:

• 心血管成像 - 心血管成像
• 医疗成像中的人工智能
• 医学图像分析 医学图像分析

背景情况:

• 心肌输液MRI对于诊断冠状动脉疾病至关重要.
• 目前的方法难以平衡空间分辨率,时间分辨率和切片覆盖率.
• 现有的技术,如并行成像和压缩传感具有限制,包括噪音和文物.

研究的目的:

• 开发一种基于条件扩散的生成模型,用于心肌输液MRI超分辨率.
• 为了解决时空分辨率,切片覆盖率和图像质量之间的权衡问题.
• 以提高低分辨率的 perfusion 图像成为高分辨率的输出,而无需时间规范化.

主要方法:

• 针对超分辨率的适应性去散扩散概率模型 (DDPM).
• 使用U-Net架构进行渐进式无线化过程,条件是低分辨率输入.
• 在回顾性动态对比增强 (DCE) perfusion MRI 数据上训练并验证了模型.

主要成果:

• 实现了显著的图像质量改进:nRMSE减少5.1%,PSNR增加1.1%,与GAN相比SSIM提升2.2% (P<0.05).
• 在前性研究中,通过5-6个切片实现了8.5倍的加速.
• 在盲人专家评估中,它在度和整体图像质量方面表现优于基于GAN的方法 (P<0.05).

结论:

• 基于扩散的生成模型可以有效地从低分辨率输入中生成高分辨率的心肌 perfusion MRI.
• 这种方法显示了加速MRI采集的潜力,同时提高了切片覆盖率和时间分辨率.
• 为当前用于增强CAD诊断的方法提供了一个有希望的替代方案.