自主监督的消噪扩散概率模型用于腹部DW-MRI

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 腹部扩散权重MRI (DW-MRI) 质量经常受到运动工件的损害,特别是单重复 (NEX = 1) 协议.
• 运动诱导的模糊会掩盖小病变,并降低表面扩散系数 (ADC) 地图的准确性,阻碍诊断.
• 当前的临床标准涉及平均多重重复,增加扫描时间,并可能加剧运动效应.

研究的目的:

• 为了提高使用单次重复协议 (NEX = 1) 获得的腹部DW-MRI的质量.
• 为了提高表面扩散系数 (ADC) 地图精度和高b值的病变明显性.
• 为了减少与运动相关的模糊,在儿科腹部扫描中掩盖小病变.

主要方法:

• 为多b值DW-MRI开发了一种自我监督的无声扩散概率模型 (ssDDPM).
• ssDDPM将扩散信号衰变 (ADC) 模型约束纳入其训练损失函数中.
• 在儿科肝瘤数据上进行训练,ssDDPM拒绝了单重复图像,并与非局部手段 (NLM) 和深度图像先验 (DIP) 技术进行了比较.

主要成果:

• 在图像质量,病变显著性和ADC地图准确性方面,ssDDPM显著优于NLM和DIP.
• 放射科医生的评估有利于ssDDPM,接收器操作特征 (ROC) 分析显示病变歧视有所改善.
• 与无运动参考数据相比,ssDDPM的ADC估计更加精确和准确.

结论:

• ssDDPM有效地消除了单重复的DW-MRI图像,减少了运动工件并提高了图像质量.
• 这种方法通过提供更准确的ADC地图和更好的病变可见性,提高了儿科肝病变的诊断效用.
• 与当前实践相比,ssDDPM提供了一个更有效的诊断工具,缩短了扫描时间.