分段导向扩散用于自由呼吸的心脏磁共振图像恢复

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 心脏磁共振成像 (CMR) 对于评估心脏功能至关重要,但需要屏住呼吸.
• 自由呼吸 (FB) CMR是一种替代方案,但受到运动器件的影响,影响诊断的准确性.
• 深度生成模型显示了对文物校正的潜力,但图像保真性仍然是一个问题.

研究的目的:

• 在扩散模型中评估细分口罩对增强图像条件生成中的解剖结构保存的影响.
• 提高自由呼吸心磁共振成像的质量和诊断可靠性.

主要方法:

• 在公开的CMR数据集上训练和评估标准扩散概率模型 (DDPM) 和细分引导的DDPM.
• 应用模型来恢复来自当地医院的动作制造的FB CMR数据.
• 在心室区域使用信号与噪声比率 (SNR) 和对比与噪声比率 (CNR) 量化评估图像质量.

主要成果:

• 与标准的DDPM相比,细分引导的DDPM显著提高了图像质量.
• 使用指导方法,在左心室和右心室区域实现了更高的SNR和CNR.
• 细分指导方法在重建的CMR图像中显示了解剖结构的优越保存.

结论:

• 分段导向扩散模型有效地提高了CMR的图像条件生成中的解剖结构保存.
• 这种方法为改善自由呼吸心磁共振成像的质量和诊断准确性提供了一个有希望的解决方案.
• 这些发现表明,在心脏MRI中克服运动器件是一种有价值的方法,有利于无法屏住呼吸的患者.