加快心脏扩散张力成像与基于深度学习的张力去噪声和喘息减缓. 迈向提高效率和临床可行性的一步

科学领域:

• 医疗成像医学成像
• 心血管研究研究心血管研究
• 生物物理学的生物物理.

背景情况:

• 心脏扩散张力成像 (cDTI) 提供了对心脏微观结构的非侵入性见解.
• 目前的cDTI协议需要多次屏息,导致扩展扫描持续时间.
• 需要有效的cDTI消除噪声方法来减少扫描时间而不会影响图像质量.

研究的目的:

• 开发和验证一种用于加速心脏扩散张力成像的新型去噪声框架.
• 为了使cDTI获取所需的重复次数显著减少.
• 通过加速cDTI协议来维持或改善图像质量和诊断准确性.

主要方法:

• 开发了一个新的张量空间去噪声框架,从传统的基于图像的方法转变.
• 采用了一组基于视觉变压器的模型,通过对抗训练优化用于张量处理.
• 动态重复选择策略被用于数据增强,以最大限度地提高训练数据.

主要成果:

• 拟议的方法使扫描时间减少了多达四倍.
• 与现有方法相比,cDTI地图错误 (例如,分数异构差错从0.09到0.07) 减少了20%.
• 解剖学特征,包括心脏病发作的特征和心肌细胞的方向被保留,在具有挑战性的临床病例中取得了成功.

结论:

• 开发的降噪方法大大提高了cDTI采集效率.
• 在保持诊断精度的同时,扫描时间 (3-5次喘息) 减少了多达四倍.
• 在一系列心脏病理方面表现出有效性,提高了临床适用性.