流MRI-Net:一个可通用的自主监督的4D流MRI重建网络
Luuk Jacobs1, Marco Piccirelli2, Valery Vishnevskiy1
1Institute for Biomedical Engineering, University and ETH Zurich, Zurich, Switzerland.
概括
一个新的自主监督深度学习框架FlowMRI-Net显著提高了4D流动MRI重建的速度和准确性. 这种方法增强了主动脉中的速度估计,并显示了大脑血管应用的希望.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 从低样本数据重建4D流MRI是缓慢的,可能导致速度低估.
- 这限制了4D流MRI的临床适用性.
研究的目的:
- 开发一个可泛化,自我监督的深度学习框架,以实现快速准确的4D流动MRI重建.
- 证明其在大动脉和脑血管应用中的实用性.
主要方法:
- 提出了FlowMRI-Net,这是一个基于物理的无滚动优化,使用一个复杂值的卷积循环神经网络.
- 以自我监督的方式进行培训,并根据多个供应商的数据进行评估,具有不同的低样本因子 (R=8,16,24).
- 与压缩传感 (CS-LLR) 相比,采用了废弃和定量/质量分析.
主要成果:
- 在大动脉4D流动MRI重建中,FlowMRI-Net的表现优于CS-LLR.
- 在胸前动脉的速度测量中取得了显著较低的误差.
- 对于大脑血管4D流MRI的证明普遍性,重建时间为3-7分钟.
结论:
- 流MRI-Net能够快速准确地重建高度低样本的4D流MRI.
- 该框架对大动脉和脑血管应用都有效.
- 在其他血管区域有更广泛的应用潜力.
更多相关视频
11:16In vitro Assessment of Aortic Regurgitation Using Four-Dimensional Flow Magnetic Resonance Imaging
Published on: February 25, 2022
3.2K
05:23Author Spotlight: Noninvasive Cerebral Blood Flow Determination in Human Functional Brain Region for Diagnosis of Neurological Disorders
Published on: May 31, 2024
466
