基于物理学的神经网络,用于消除高b值扩散权重图像的模糊性
Qiaoling Lin1, Fan Yang2, Yang Yan3
1Department of Electronic Science, Fujian Provincial Key Laboratory of Plasma and Magnetic Resonance, Xiamen University, Xiamen, 361102, Fujian, China.
概括
我们开发了一个基于物理学的神经网络,用于高b值的扩散加权成像 (DWI) 无声化 (PIND). PIND显著提高图像质量,缩短采集时间,有助于更敏感的瘤诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物物理学的生物物理.
背景情况:
- 扩散加权成像 (DWI) 对于瘤诊断至关重要,它依赖于水分子扩散测量.
- 高b值的DWI需要更强的磁共振成像 (MRI) 梯度,但由于信号衰减,其信号噪声比率 (SNR) 较低.
- 对于高b值DWI来说,有效的降噪是必不可少的,以提高诊断准确度.
研究的目的:
- 提出一个新的物理信息神经网络,用于高b值DWI拒绝 (PIND).
- 为了利用物理知情损失和低b值DWI数据来增强噪音抑制.
- 评估PIND在提高图像质量和保持扩散特征方面的表现.
主要方法:
- 开发了一个物理信息神经网络 (PIND),结合了物理信息的损失.
- 利用来自高信号噪声比低b值DWI图像的先前信息.
- 在前列腺DWI数据集 (125名受试者) 上进行实验.
主要成果:
- 通过PIND,峰值信号与噪声比率从31.25dB提高到36.28dB,结构相似性指数从0.77提高到0.92.
- 在显微扩散系数 (ADC) 值中达到98%的准确性,同时节省了83%的数据采集时间.
- 放射科医生的评估证实了PIND在整体质量,SNR,文物抑制和病变明显性方面的卓越表现.
结论:
- PIND有效地消除了高b值DWI图像,提高了诊断灵敏度.
- 该方法显著减少了MRI采集时间,而不会影响诊断准确度.
- PIND显示了改善临床DWI应用和瘤检测的巨大潜力.
