基于深度学习的三维体积大脑MRI重建:定性和定量评估
Yeseul Kang1, Sang-Young Kim2, Jun Hwee Kim1
1Department of Radiology, Yongin Severance Hospital, Yonsei University College of Medicine, 363 Dongbaekjukjeon-daero, Giheung-gu, Yongin-si, Gyeonggi-do, 16995, Republic of Korea.
BMC medical imaging
|March 28, 2025
概括
深度学习重建 (DLR) 可以显著减少大脑MRI扫描时间超过50%,而不会影响图像质量或体积精度. 这种高效的技术,使用自适应压缩传感 (CS) 网络,证明可靠的临床应用.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 评估大脑MRI的深度学习重建 (DLR) 性能.
- 在临床环境中验证自适应压缩传感 (CS) 网络.
研究的目的:
- 评估DLR与Adaptive-CS用于加速脑MRI的疗效.
- 在标准和加速序列之间比较图像质量和体积测量.
主要方法:
- 有望招募健康的志愿者和患者.
- 获取3D脑部MRI,使用不同的CS因子,有或没有DLR.
- 定量体积分析和放射科医生对图像质量指标的定性评估.
主要成果:
- 扫描时间减少了65.4% (CS因子2) 和33.5% (CS因子4) 实现.
- 在各个序列中,子区域体积没有显著差异.
- DLR-CS4显示出与CS2相似的图像质量和体积精度,节省了大量的时间.
结论:
- DLR能够显著减少脑MRI扫描时间 (至少50%),而不会牺牲图像质量.
- 保持体积测量量精度,支持DLR的可靠性和效率.
- DLR是改善脑MRI临床工作流程的一个有希望的工具.
