在3T时使用基于物理的生成性人工智能对人类质瘤进行超分辨率MRI

科学领域:

• 神经成像是一种神经成像.
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 神经成像为脑瘤的细胞和代谢特性提供了洞察力.
• 低信号噪声比和MRI在3T的分辨率限制了其临床应用.
• 需要改进技术,以使神经成像用于脑瘤的常规临床使用.

研究的目的:

• 通过使用基于物理学的合成MRI器件 (ATHENA) 评估解剖学上受约束的GAN,以在3T时对大脑瘤进行高分辨率的神经成像.
• 评估ATHENA是否可以提高图像质量,同时保留固有的信息.
• 为了研究合成MRI和-质子交换器1 (NHE1) 表达之间的相关性.

主要方法:

• 从1390名疑似脑瘤患者的4,573个质子MRI扫描中训练了ATHENA模型.
• 使用20名瘤患者的和质子MRI数据集验证了该模型.
• 通过ATHENA生成的高分辨率合成图像与来自24个图像引导活检的原生MRI和NHE1表达进行了比较.

主要成果:

• 与原始图像相比,ATHENA在合成MR图像中显著改善了信号噪声比 (SNR) (23.83 ± 9.33 与 18.20 ± 7.04 相比,P=0.0079).
• 合成值与对比度增强,T2高强度和死瘤区域的原生测量显示出强有力的线性相关性 (R2范围从0.7325到0.7678).
• 合成MR与活检中的相对NHE1表达 (ρ=0.3269,P<0.0001) 的相关性比原生MR (ρ=0.1732,P=0.0276) 更强.

结论:

• 雅典能够在3T上实现高分辨率的合成MRI,使多核成像在临床上对脑瘤可行.
• 生成的合成MRI保留了来自原生扫描的固有信息.
• 合成MRI显示与组织NHE1表达有显著的相关性,这表明它有可能成为大脑瘤中平衡的非侵入性标记物.