深度学习辅助外部体积去除用于高速实时动态MRI.

科学领域:

• 医疗成像医学成像
• 心血管核磁共振 (MRI) 是一种心血管核磁共振.
• 图像重建 图像的重建

背景情况:

• 实时 (RT) 动态MRI对于评估心脏功能和运动至关重要.
• 传统的心脏MRI需要屏住呼吸和心电图,这对一些患者来说具有挑战性.
• 在RT电影MRI中,高加速度速度是通过从周围组织中取代人工物而受到限制的.

研究的目的:

• 开发一种新的外部体积去除 (OVR) 方法,用于RT电影MRI中的工件减少.
• 为了在心脏MRI中实现更高的加速度,同时保持诊断图像质量.
• 提供后处理解决方案,不需要对MRI采集进行修改.

主要方法:

• 开发了一种后处理外部体积去除 (OVR) 技术.
• 训练了一种深度学习 (DL) 模型来估计和从k空间数据中删除外部体积信号.
• 使用物理驱动的DL (PD-DL) 重建与OVR特定的损失函数.

主要成果:

• 拟议的OVR方法有效地减少了来自非心脏区域的异名化文物.
• 高加速RT电影MRI实现了与临床基线相当的图像质量.
• 该方法在质量和数量上都超过了传统的重建技术.

结论:

• 新的OVR方法是一种实用和有效的解决方案,用于RT电影MRI中的工件减少.
• 这种方法促进了更高的加速率,提高了效率和患者舒适度.
• 该技术保持了诊断图像质量,增强了自由呼吸的心脏MRI的实用性.