对高分辨率深度学习重建技术的分辨率和成像时间的验证
Shohei Harada1, Yasuo Takatsu2, Kazuhiro Murayama3
1Department of Radiology, Fujita Health University Hospital, 1-98, Dengakugakubo, Kutsukake-cho, Toyoake, Aichi 470-1192, Japan; Graduate School of Medical Sciences, Fujita Health University, 1-98, Dengakugakubo, Kutsukake-cho, Toyoake, Aichi 470-1192, Japan.
Magnetic resonance imaging
|July 24, 2025
概括
基于深度学习的重建 (DLR) 可以显著减少磁共振成像 (MRI) 扫描时间高达70%,而不会影响图像质量. 优化DLR参数可确保高分辨率成像和高效的临床工作流程.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 磁共振成像 (MRI) 在扫描时间,信号噪声比 (SNR) 和空间分辨率之间存在固有的权衡.
- 基于深度学习的重建 (DLR) 方法为克服MRI这些局限性提供了一个有希望的解决方案.
- 图像域超分辨率DLR允许提高分辨率,而不需要额外的成像序列.
研究的目的:
- 为了评估供应商提供的超高分辨率DLR方法的性能,精确的智商引擎 (PIQE).
- 确定PIQE的最佳参数,以最大限度地提高其在临床MRI中的有效性.
- 评估PIQE对扫描时间,图像质量和空间分辨率的影响.
主要方法:
- 在Canon 3TMRI扫描仪上对PIQE的评估,使用边缘幻影和八名患者的临床脑图像.
- 使用结构相似性指数 (SSIM),峰值信号噪声比 (PSNR),根平均平方误差 (RMSE) 和半最大时全宽度 (FWHM) 的定量分析.
- 使用五分利克特尺度对感知图像质量的视觉评估.
主要成果:
- 超分辨率的DLR可将MRI扫描时间缩短高达70%,同时保持图像结构质量.
- 最佳参数 (获取矩阵≥0.87 mm/pixel,变焦比×2) 实现了SSIM≥0.80,PSNR≥35 dB,并且没有显著的FWHM差异.
- 积极的下方采样 (变焦比 ×3) 导致图像退化,包括文物和减少度.
结论:
- 精确的智商引擎 (PIQE) 可以有效地减少MRI扫描时间,同时在使用适当参数时保持图像质量.
- 优化PIQE的配置对于最大限度地发挥它的好处和避免图像退化至关重要.
- 这些发现为将PIQE整合到临床MRI工作流程中提供了实际指导,以提高效率.
