快速射频闪:在7TMRI中使用深度学习加速射频闪.

科学领域:

• 医疗成像医学成像
• 生物物理学的生物物理.
• 医疗保健中的机器学习

背景情况:

• 超高波段 (UHF) 磁共振成像 (MRI) 为临床和研究应用提供了卓越的信号噪声比 (SNR) 和空间分辨率.
• 传输射频 (RF) 场 (B1+) 的不均性是超高频MRI的一个主要挑战,导致降低图像质量的工件.
• 传统的射频闪方法是有效的,但耗时,阻碍了更广泛的临床采用.

研究的目的:

• 开发一种新的,快速和准确的基于学习的框架,以减轻UHFMRI中的B1+不均性.
• 引入一个整体的框架,快速射频闪,这显著加快射频闪过程.
• 对传统优化技术进行对比,评估拟议方法的性能.

主要方法:

• 基于学习的框架Fast-RF-Shimming被开发出来,比传统的最大最小方程 (MLS) 优化实现了5000倍的速度.
• 该框架使用自适应时刻估计 (Adam) 进行初始闪权重,并使用残余网络 (ResNet) 直接映射B1+场到射频闪输出.
• 作为可选的后处理步骤,纳入了非均性场探测器 (NFD),以识别极端的非均结果.

主要成果:

• 与标准MLS优化相比,快速RF闪光显示了处理速度的显著增长.
• 该方法在RF闪输出的预测准确度方面取得了显著的改进.
• 对比评估证实了拟议技术在解决B1+不均性的有效性.

结论:

• 拟议的快速射频闪光框架为缓解超高频MRI中的B1+不均质提供了一个有希望和高效的解决方案.
• 这种技术有可能提高图像质量,并促进UHFMRI的更广泛的临床采用.
• 深度学习和可选后处理的结合为改善MRI诊断提供了强大的方法.