ST-SRPerf:通过神经ODE和隐性神经表示,用于 perfusion MRI超分辨率的连续时空表示
Junhyeok Lee1, Yoseob Han2, Joon Jang3
1Interdisciplinary Program in Cancer Biology, Seoul National University College of Medicine, Seoul, Republic of Korea.
Computers in biology and medicine
|September 13, 2025
概括
一个新的空间时空超分辨率框架用于输液MRI (ST-SRPerf) 提高了图像分辨率. 这种先进的技术可以提高神经退行性疾病的诊断准确性和使用 perfusion MRI 的瘤分析.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- perfusion MRI提供了关于组织血管性的重要数据,用于诊断诸如瘤和神经退行性疾病等疾病.
- 目前的 perfusion MRI 技术在实现高空间和时间分辨率方面存在局限性,这影响了诊断准确性.
- 输液参数估计中的不准确性阻碍了MRI在临床应用中的全部潜力.
研究的目的:
- 引入一个新的框架,ST-SRPerf,用于提高 perfusion MRI 的空间和时间分辨率.
- 解决传统 perfusion MRI 方法中固有的权衡问题.
- 为了提高图像质量和 perfusion 参数估计的准确性.
主要方法:
- 开发了用于 perfusion MRI (ST-SRPerf) 的空间时间超分辨率框架.
- 集成的神经普通微分方程用于连续的时间轨迹计算.
- 利用隐式神经表示来实现连续的空间隐式表示,以实现超分辨率.
主要成果:
- 在脑和乳腺输液MRI数据集中,ST-SRPerf显著提高了图像质量.
- 与现有方法相比,该框架在输液参数估计方面表现出优异的性能.
- 在各种下方采样因素中观察到空间和时间分辨率的提高.
结论:
- 在 perfusion MRI 超分辨率方面,ST-SRPerf 提供了显著的进步.
- 该框架有望改善临床环境中的诊断准确性.
- 这种技术为医疗成像应用中提高分辨率提供了有价值的工具.
