通过使用基于深度学习的消噪解决方案HawkAI加速兽医低场MRI采集

科学领域:

• 兽医医学 兽医医学 兽医医学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 磁共振成像 (MRI) 对于兽医诊断至关重要.
• 延长的MRI扫描时间需要动物镇静,并可能影响图像质量.
• 缩短扫描时间往往导致图像质量降低和诊断可靠性降低.

研究的目的:

• 为了评估HawkAI的有效性,一个基于生成对抗网络 (GAN) 的denoising算法,改善兽医MRI图像质量.
• 为了确定HawkAI处理的更快的MRI序列是否与标准护理 (SOC) 序列在诊断上可比.
• 评估放射科医生在HawkAI处理的更快的MRI扫描和传统的SOC扫描之间的偏好.

主要方法:

• 在兽医患者中获得的标准护理 (SOC) 和更快的MRI序列.
• 在更快的MRI序列中应用了HawkAI无效化算法.
• 放射科医生使用利克特尺度进行了定性评估,以将HawkAI处理的图像与SOC图像进行比较.

主要成果:

• 放射科医生在信号与噪声比 (SNR) 中对HawkAI表现出轻微的偏好.
• 在HawkAI和SOC图像之间,没有观察到人工物存在,诊断相关性或损伤相关性的显著偏好.
• 在空间分辨率和图像对比度方面,人们注意到对SOC的偏好非常小.

结论:

• 霍克AI能够显著减少兽医MRI采集时间 (最快2倍).
• 该算法有效地保持了诊断图像质量,与较长的SOC扫描相美.
• 使用HawkAI进行更快的MRI采集是可行的,没有主要的诊断缺点.