在认知障碍患者中以运动为基础的3D深度学习重建
Shohei Fujita1,2, Daniel Polak3, Dominik Nickel3
1From the Athinoula A. Martinos Center for Biomedical Imaging (S.F., N.G., S.B., C.-H.C., J.C., S.Y.H.), Massachusetts General Hospital, Boston, Massachusetts sfujita@mgh.harvard.edu.
AJNR. American journal of neuroradiology
|October 8, 2025
概括
深度学习重建与集成的运动校正显著改善3D脑MRI质量和准确性. 这种先进的技术增强了对容易运动的患者的诊断效用,特别是那些有认知障碍的患者.
科学领域:
- 神经成像是一种神经成像.
- 医疗成像中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 运动器件是3D脑部MRI的一个主要挑战,特别是在认知障碍患者中.
- 现有的深度学习 (DL) 方法通常会提高信号噪声比,但缺乏明确的运动校正功能.
- 这项研究解决了在易运动的个体中改善MRI重建的需求.
研究的目的:
- 验证一种新的DL重建方法,其中包括对3DT1权重大脑MRI进行回顾性运动校正.
- 评估基于运动的DL重建对形态度准确度和图像质量的影响.
- 评估这种技术在临床环境中对患有记忆丧失的患者的潜力.
主要方法:
- 展望性,个体内比较研究,涉及健康志愿者和患有记忆丧失的患者.
- 获得4倍低样本的3D MPRAGE与集成侦察加速运动估计和减少 (SAMER).
- 使用标准方法与拟议的DL方法进行重建;由神经放射学家进行定量形态测量准确性和定性图像质量评估.
主要成果:
- 在中度 (12.4%至3.5%) 和严重 (44.2%至12.5%) 运动下,DL方法显著降低了细分误差 (P<.001).
- 使用DL方法显著改善视觉图像质量得分 (4.26对3.59,P<.001).
- 在47%的案例中,运动器件的严重程度降低了,与中度至实质性的互读者协议.
结论:
- 基于运动的DL重建可以提高3DT1权重大脑MRI的形态测量准确度和感知图像质量.
- 这种技术有望改善运动倾向患者的诊断效用,包括认知障碍患者.
- 该方法可能会导致在具有挑战性的患者群体中减少扫描失败率.
更多相关视频
08:45Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments
Published on: March 28, 2018
11.3K
11:29Real-time Video Projection in an MRI for Characterization of Neural Correlates Associated with Mirror Therapy for Phantom Limb Pain
Published on: April 20, 2019
10.3K