使用新型压缩SENSE序列与人工智能图像重建的功能性心脏MRI的定性和定量分析

科学领域:

• 心血管成像 - 心血管成像
• 医学物理 医学物理
• 人工智能在医学中的应用

背景情况:

• 心脏磁共振成像 (MRI) 通常需要很长的扫描时间,可能会限制患者的舒适性和吞吐量.
• 压缩感官 (CS) 是一种加速MRI采集的技术,但有时会导致图像质量恶化.
• 深度学习 (DL) 算法在改善图像重建和减少MRI中的文物方面表现有前途.

研究的目的:

• 评估将压缩感官 (CS) 与基于深度学习的新算法 (CS-AI) 结合起来,以加速心脏MRI序列的可行性.
• 评估CS-AI对缩短扫描时间,图像质量和心脏功能评估诊断准确性的影响.

主要方法:

• 30名健康志愿者接受了前性3TMRI,使用CINE bSSFP序列 (短轴和四腔视图).
• 采购使用各种CS加速因子和CS-AI重建,使用不同的无声化级别进行.
• 分析了心脏左心室 (LV) 功能参数,并通过盲目的读者对图像质量/文物进行了定性评估.

主要成果:

• 短轴扫描的扫描时间缩短了57%;四腔排序的扫描时间缩短了56%.
• 在所有测试的CS和CS-AI水平 (p > 0.05) 上,LV功能分析 (射出分数,体积,质量) 保持准确.
• CS-AI后处理有效地弥补了由于更高的加速而导致的图像质量损失和文物增加,使用高CS加速和强大的AI无声化获得最佳结果.

结论:

• 将CS与基于AI的重建相结合,可以显著缩短心脏MRI扫描时间.
• 这种方法保持了LV功能分析的准确性,并改善了图像质量和文物减少.
• CS和AI的整合代表了高效和高质量的心脏MRI的重大进步.