使用自主监督扫描的多参数定量MRI加速特定隐性神经表示与模型强化

科学领域:

• 磁共振成像 (MRI) 是一种磁共振成像技术.
• 医疗成像中的人工智能
• 定量成像技术 定量成像技术

背景情况:

• 加速核磁共振技术对于减少扫描时间和提高患者舒适度至关重要.
• 多参数定量核磁共振 (qMRI) 提供丰富的组织对比度,但通常需要长时间的获取时间.
• 开发高效的重建方法加速的qMRI对于临床翻译至关重要.

研究的目的:

• 开发一种自我监督的,针对扫描的深度学习框架,用于重建加速多参数定量MRI (qMRI).
• 使用先进的人工智能技术提高qMRI重建的准确性和效率.

主要方法:

• 拟议的REFINE-MORE,将隐式神经表示 (INR) 与强化模型模块集成,强制执行MR物理.
• 采用了数据一致性的未滚动优化方案和计算效率的低级适应策略.
• 在加速多参数定量磁化转移成像上进行评估,以同时估计放松,质子分数和交换率.

主要成果:

• 在4×和5×加速下在体内数据上实现了卓越的重建质量,性能优于基线和最先进的方法.
• 证明了最小的规范化平方根平均误差和最高的结构相似度指数.
• 幻影实验显示与参考值有很强的一致性,证实了稳定性和通用性.

结论:

• REFINE-MORE可实现精确高效的扫描特定的多参数qMRI重建.
• 为高维,加速的qMRI应用提供灵活的解决方案.
• 突出了深度学习在推进定量MRI技术方面的潜力.