基于深度学习的加速式MR胆道胰腺造影（MRCP）——无需完全采样数据
图像与视频处理
2025-01-08 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
本研究旨在利用基于深度学习的（DL）重建方法加速3T和0.55T下的MR胆道胰腺造影（MRCP）获取。35名健康志愿者接受了3T和0.55T上的常规两倍加速MRCP扫描。我们使用 retrospectively获得的3T上六倍欠采样数据，以两种不同的训练策略（监督学习（SV）和自监督学习（SSV））训练DL重构方法。我们将DL重构结果与标准技术（平行成像（PI）和压缩感知（CS））进行比较，关注峰值信噪比（PSNR）和结构相似性（SSIM）等指标。我们还测试了在 prospectively加速获取的DL重构，并评估了其在将场强从3T更改为0.55T时的鲁棒性。DL重构显著缩短了3T/0.55T下MRCP的平均获取时间，从599/542秒降至255/180秒。在retrospective和prospective欠采样情况下，DL重构的PSNR和SSIM均高于PI和CS。同时，DL重构保留了欠采样数据图像质量，包括锐度和肝胆道结构的可见性。此外，两种DL方法在0.55T下均产生高质量的重构。在总结中，针对高度加速的MRCP训练的DL重构在3T/0.55T下将获取时间缩短至常规获取时间的1/2.4/3.0，同时保持常规获取的图像质量。
引用
@article{arxiv.2405.03732,
title = {Deep Learning-based Accelerated MR Cholangiopancreatography without Fully-sampled Data},
author = {Jinho Kim and Marcel Dominik Nickel and Florian Knoll},
journal= {arXiv preprint arXiv:2405.03732},
year = {2025}
}
备注
19 pages, 4 figures, 2 tables