HyperSLICE：面向低延迟交互式心脏检查的 HyperBand 优化螺旋采样
计算机视觉与模式识别
2024-09-01 v2
摘要
目的：交互式心脏磁共振成像用于快速扫描规划和 MR 引导介入。然而，实时采集和近实时可视化的要求限制了可达到的时空分辨率。本研究旨在通过优化欠采样螺旋采样并利用深度学习进行低延迟重建（深度伪影抑制）来提高交互式成像分辨率。方法：通过 HyperBand 对可变密度螺旋轨迹进行参数化并优化，以提供用于快速深度伪影抑制的最佳候选轨迹。训练数据由 692 次屏息 CINE 组成。所开发的交互式序列在仿真中进行了测试，并在 13 名受试者中进行了前瞻性测试（10 名用于图像评估，2 名在导管插入期间，1 名在运动期间）。在前瞻性研究中，将优化后的框架 HyperSLICE 与传统 Cartesian 实时成像和屏息 CINE 成像在定量和定性图像指标方面进行了比较。使用 Friedman 卡方检验和事后 Nemenyi 检验检验统计差异（p<0.05）。结果：在仿真中，与径向和均匀螺旋采样相比，使用优化螺旋的 NRMSE、pSNR、SSIM 和 LAPE 均在统计学上显著更高，尤其是在扫描计划改变后（SSIM：0.71 vs 0.45 和 0.43）。在前瞻性研究中，HyperSLICE 实现了比传统 Cartesian 实时成像更高的空间和时间分辨率。该流程在导管回撤期间的患者中得到演示，表明其重建速度足以满足交互式成像。结论：HyperSLICE 实现了高空间和时间分辨率的交互式成像。与径向和均匀螺旋轨迹相比，优化螺旋采样实现了更好的整体图像质量，并更出色地处理了图像过渡。
引用
@article{arxiv.2302.02688,
title = {HyperSLICE: HyperBand optimized Spiral for Low-latency Interactive Cardiac Examination},
author = {Olivier Jaubert and Javier Montalt-Tordera and Daniel Knight and Pr. Simon Arridge and Jennifer Steeden and Pr. Vivek Muthurangu},
journal= {arXiv preprint arXiv:2302.02688},
year = {2024}
}