基于先验主体特定成像的深度学习脑 MRI 重构提升与加速
计算机视觉与模式识别
2025-07-30 v1 医学物理
摘要
磁共振成像（MRI）是重要的医学成像模态。然而，长时间的获取时间仍是显著挑战，导致成本增加和患者舒适度下降。最近的研究表明，使用包含来自先验主体特定 MRI 扫描信息的深度学习模型可提高当前扫描的重构质量。整合这些先验信息需要将之前的扫描注册到当前图像重构中，这在计算上可能耗时。我们提出一种新型的深度学习基于 MRI 重构框架，包括初始重构网络、深度注册模型和基于转换器的增强网络。我们在包含 2,808 张 18 名受试者的纵向 T1 加权 MRI 数据集上进行了验证，测试了四种加速因子（R5、R10、R15、R20）。定量指标确认了我们方法的优势（p < 0.05，威尔科森符号秩检验）。此外，我们分析了所提出 MRI 重构方法对下游脑脑 tumor 分割任务的影响，观察到与参考分割相比，精度和体积一致性得到改善。我们的方法还实现了与使用传统注册算法的方法相比的显著减少的总重构时间，使其更适用于实时临床应用。与本工作相关的代码已公开于 https://github.com/amirshamaei/longitudinal-mri-deep-recon。
关键词
引用
@article{arxiv.2507.21349,
title = {Enhancing and Accelerating Brain MRI through Deep Learning Reconstruction Using Prior Subject-Specific Imaging},
author = {Amirmohammad Shamaei and Alexander Stebner and Salome and Bosshart and Johanna Ospel and Gouri Ginde and Mariana Bento and Roberto Souza},
journal= {arXiv preprint arXiv:2507.21349},
year = {2025}
}