利用深度学习来改进从 perfusion MR 图像中提取参数:一个叙述性回顾
Elisa Scalco1, Giovanna Rizzo2, Nicola Bertolino3
1Istituto di Tecnologie Biomediche, Consiglio Nazionale delle Ricerche, Segrate, Italy.
概括
深度学习 (DL) 通过提高DCE,DSC,ASL和IVIM等技术的参数提取速度和精度来增强 perfusion MRI. 这种人工智能集成有望克服传统的局限性,提高诊断能力和个性化治疗计划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- perfusion MRI 通过使用 DCE,DSC,ASL 和 IVIM 等技术来评估组织的微循环.
- 传统的 perfusion MRI 参数定量是缓慢的,可变的,受噪声的影响.
- 深度学习 (DL) 为高效准确的 perfusion MRI 分析提供了 AI 驱动的解决方案.
研究的目的:
- 审查 perfusion MRI (DCE,DSC,ASL,IVIM) 中的最先进的DL技术.
- 专注于DL在 perfusion MRI中的优势,挑战和临床应用.
- 强调DL的潜力,以解决传统方法的局限性.
主要方法:
- 对DL技术的审查,包括CNN,RNN和GAN应用于 perfusion MRI.
- 分析DL在处理时空数据和图像增强方面的能力.
- 对DL进行精确的 perfusion 参数提取的评估.
主要成果:
- 通过减少噪音和观察者之间的变化,DL方法显著改善了传统方法.
- DL算法提高了图像质量,并允许更精确地提取 perfusion 参数.
- 像CNN,RNN和GAN这样的特定DL架构对于 perfusion MRI数据是有效的.
结论:
- 在 perfusion MRI 中 DL 的整合代表了诊断准确性和治疗规划的重大进步.
- 基于DL的输液MRI为更个性化的医学提供了一条道路.
- 对精确成像的日益增长的需求将DL定位为改善临床结果的关键.
