基于深度学习的重建的定性和定量评估,用于加速心脏影像成像

科学领域:

• 心血管磁共振成像 - 心血管磁共振成像
• 医疗成像中的人工智能

背景情况:

• 二维 (2D) 电影成像对于心脏MRI (CMR) 是至关重要的,但需要长时间的喘息和一致的心跳.
• 患者屏息和心律不规律的局限性对传统的电影收购构成挑战.
• 需要加速成像技术来提高CMR的效率和患者舒适度.

研究的目的:

• 系统地评估基于深度学习的重建技术 (Sonic DL Cine) 的性能,以加速心脏影像获取.
• 为了评估图像质量,时空清晰度和双心室心脏功能,使用Sonic DL Cine在各种加速度因子下进行评估.
• 将深度学习重建的图像与完全采样的参考图像进行比较.

主要方法:

• 使用数字心脏干幻象和健康志愿者的回顾性实验.
• 对Sonic DL Cine的评估,加速度范围从4倍到12倍.
• 图像质量,清晰度和心脏功能指标的定性和定量比较.

主要成果:

• 索尼克DL Cine成功地加速了电影收购的速度,达到12倍.
• 保存的信号噪声比 (SNR),对比度和时空清晰度与完全采样图像相比.
• 来自加速扫描的心脏功能测量与参考数据密切一致.

结论:

• 声波DLCine可实现高度加速 (高达12倍) 的心脏影像MRI采集.
• 该方法保留了图像的基本特征 (SNR,对比度,清晰度) 和量化准确性.
• 索尼克DL Cine为高效可靠的心脏功能评估提供了一种可行的方法.