扩散概率生成模型用于加速,NICU内永久磁铁新生儿MRI
Yamin Arefeen1,2, Brett Levac1, Bhairav Patel3
1Chandra Family Department of Electrical and Computer Engineering, The University of Texas at Austin, Austin, Texas, USA.
Magnetic resonance in medicine
|June 18, 2025
概括
在NICU中使用扩散概率生成模型加速新生儿MRI显著减少扫描时间. 这种方法改善了患病婴儿的图像重建,有助于早期评估大脑异常.
科学领域:
- 医疗成像医学成像
- 新生儿神经科学 新生儿神经科学
- 人工智能在医学中的应用
背景情况:
- 新生儿重症监护室 (NICU) 的MRI对于评估婴儿大脑异常至关重要.
- 婴儿重症监护室的永磁扫描仪面临诸如低信号噪声比 (SNR) 和有限的线圈等挑战,导致扫描时间长.
- 加快MRI扫描对于尽量减少新生儿的不适和运动器件至关重要.
研究的目的:
- 开发和验证一种加速磁共振成像 (MRI) 在NICU环境中的方法.
- 解决新生儿MRI中低SNR和有限数据的挑战,使用扩散概率生成模型.
- 为了减少患病婴儿的MRI扫描时间,而不会影响诊断图像质量.
主要方法:
- 建立了一个新的训练数据集,由临床环境中的1Tesla新生儿MRI图像组成.
- 开发了一个管道,包括网络架构修改,统一的模型训练与学习嵌入,自我监督的denoising,和后面的样本平均为重建.
- 通过回顾性样本不足实验和与儿科神经放射学家进行的临床读者研究来评估方法.
主要成果:
- 拟议的管道通过结合数据,无声化和样本平均化来定量改进图像重建.
- 生成模型在没有重新训练的情况下实现了两倍的加速度,将前置与测量模型脱.
- 读者研究表明,从R ≈ 1.5样本不足的数据重建的图像在临床上是充足的.
结论:
- 扩散概率生成模型,加上拟议的管道,可以有效地处理具有挑战性的现实世界新生儿MRI数据集.
- 这种方法有望显著减少NICU新生儿MRI扫描时间.
- 这些发现支持加速MRI的临床实用性,用于早期检测新生儿的大脑异常.
