使用深度学习进行QSM面具生成的优化框架:QSMmask-Net.

科学领域:

• 医疗成像医学成像
• 神经成像是一种神经成像.
• 生物物理学的生物物理.

背景情况:

• 定量敏感度映射 (QSM) 重建了组织磁性敏感度分布.
• 准确的面具生成对于QSM至关重要,以尽量减少文物和错误.
• 目前的口罩生成方法可以引入敏感度值的变化.

研究的目的:

• 介绍QSMmask-net,一个用于精确QSM面具生成的深度神经网络.
• 评估QSMmask-net的性能与现有方法相比.
• 评估QSMmask-net对敏感度值准确性的影响.

主要方法:

• 开发QSMmask-net,这是一个用于自动化QSM面具创建的深度学习模型.
• 将 QSMmask-net 的 Dice 得分与其他面具生成技术进行比较.
• 使用模拟,健康对照和出血病变的QSMmask-net口罩的验证.

主要成果:

• 在测试的口罩生成方法中,QSMmask-net获得了最高的Dice分数.
• 从QSMmask-net口罩获得的敏感度值在模拟和健康对照中与手动口罩的差异很小.
• 在QSMmask-net和手动口罩之间观察到强烈的线性相关性,用于出血性病变.

结论:

• 面具生成显著影响QSM易感度值估计.
• QSMmask-net提供高质量的口罩,可与手工方法相比较,劳动力减少.
• 提出的方法提高了QSM的适用性,使高效,专家级别的面具创建.