FReSCO：基于深度伪影抑制与分割的低延迟心输出量监测流重建与分割
计算机视觉与模式识别
2023-02-07 v1
摘要
目的：心输出量(CO)的实时监测需要对实时相位对比MR(PCMR)进行低延迟重建和分割，这以往难以实现。在此我们提出一个用于“低延迟心输出量监测的流重建与分割”(FReSCO)的深度学习框架。方法：深度伪影抑制和分割U-Net被独立训练。屏气螺旋PCMR数据(n=516)使用可变密度螺旋采样模式进行合成欠采样并网格化，以创建混叠数据用于伪影抑制U-Net的训练。数据子集(n=96)被分割并用于训练分割U-Net。前瞻性采集实时螺旋PCMR，然后在扫描仪上以低延迟使用训练模型(FReSCO)在10名健康受试者静息、运动和恢复期间进行重建和分割。通过FReSCO获得的CO与参考静息CO以及静息和运动压缩感知(CS) CO进行比较。结果：FReSCO在扫描仪上前瞻性展示。逐拍心率、每搏量和CO可以以622ms的平均延迟可视化。与静息参考(Bias = -0.21±0.50 L/min, p=0.246)或峰值运动CS(Bias=0.12±0.48 L/min, p=0.458)相比未注意到显著差异。结论：FReSCO成功展示用于运动期间CO的实时监测，并可为一系列应激源的血流动力学反应评估提供便捷工具。
引用
@article{arxiv.2203.13729,
title = {FReSCO: Flow Reconstruction and Segmentation for low latency Cardiac Output monitoring using deep artifact suppression and segmentation},
author = {Olivier Jaubert and Javier Montalt-Tordera and James Brown and Daniel Knight and Simon Arridge and Jennifer Steeden and Vivek Muthurangu},
journal= {arXiv preprint arXiv:2203.13729},
year = {2023}
}
备注
10 pages, 5 Figures, 4 Supporting Information Figures