实时 MR 测温中呼吸相关伪影的深度校正
医学物理
2020-12-23 v3 计算机视觉与模式识别
机器学习
摘要
实时 MR 成像已临床用于监测热疗，因其可同步提供即时温度图与解剖信息。然而，基于质子共振频率的动靶测温仍具挑战性，因为呼吸及生理运动会引起温度伪影。若不加以校正，这些伪影会导致温度估计的严重误差并妨碍治疗引导。本研究中，我们评估了深度学习用于腹部 MR 测温中运动相关误差的在线校正。为此，设计了一个卷积神经网络（CNN）以在热疗前的预备学习阶段从采集图像中学习表观温度扰动。所设计 CNN 的输入为最新的幅度图像，且无需运动替代信号。在随后的热疗过程中，将最新幅度图像作为 CNN 模型的输入，以对当前温度图生成在线校正。该方法的伪影抑制性能在 12 名自由呼吸志愿者上评估，所有受检病例均稳健且无伪影。此外，针对高强度聚焦超声的体内消融评估了测温精度与准度。所提工作流各阶段涉及的所有计算均设计为符合治疗过程的临床时间约束。
引用
@article{arxiv.2011.05025,
title = {Deep correction of breathing-related artifacts in real-time MR-thermometry},
author = {Baudouin Denis de Senneville and Pierrick Coupé and Mario Ries and Laurent Facq and Chrit Moonen},
journal= {arXiv preprint arXiv:2011.05025},
year = {2020}
}
备注
21 pages, 9 figures, 1 table