一个端到端的神经网络用于使用单拍扫描进行4D心脏CT重建
Zhenyao Yan1, Zhennong Chen2, Liang Li1
1Department of Engineering Physics, Tsinghua University, Beijing 100084, People's Republic of China.
Physics in medicine and biology
|April 9, 2025
概括
这项研究引入了用于心脏CT成像的深度学习框架,显著减少单拍扫描中的运动文物. 该方法提高了图像质量和心脏病的诊断准确度,即使心律不规则.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管疾病 心血管疾病
背景情况:
- 运动器件是心脏CT的主要挑战,阻碍了准确的诊断.
- 像rescans这样的传统方法增加了辐射,对心律不规则无效.
研究的目的:
- 开发基于深度学习的框架,用于使用单拍快速扫描来减少心脏CT中的运动器件.
- 提高心脏病检测和诊断的准确性.
主要方法:
- 提出了一个深度学习端到端重建框架.
- 一个移动窗口方法将投影数据划分为以心脏相位为中心的间隔.
- 剥离和注册网络计算变形向量场用于运动补偿重建.
主要成果:
- 这种方法有效地减少了运动文物,并恢复了解剖结构.
- 关键指标显示显著改善:SSIM增加到0.7795,PSNR增加到37.58,RMSE (HU) 减少到49.28.
- 细分精度有所提高,左心室,冠状动脉和化斑块的Dice分数分别达到0.9614,0.8811和0.7774.
结论:
- 拟议的深度学习框架显示出在临床应用中普遍化的强大潜力.
- 它可以从单周期扫描中实现精确的心脏CT成像,而无需限制心率.
- 这种方法为在动态心脏成像中克服运动工件提供了有希望的解决方案.


