面向 MR 引导介入的 4D 肝脏 MRI 预测
图像与视频处理
2023-01-20 v1 计算机视觉与模式识别
摘要
器官运动在图像引导介入中仍是一个未解决的挑战。为解决该问题，时间分辨体积磁共振成像（4D MRI）研究领域得以发展。然而，现有技术不适用于大多数介入场景，因其缺乏足够的 temporal 和/或 spatial 分辨率，或采集时间过长。本工作中，我们提出一种用于 MR 引导介入的实时、高分辨率、大视野 4D MRI 新方法。为此，我们端到端训练了一个卷积神经网络（CNN），以根据受试者的实时 2D 导航 MRI 预测能正确反映肝脏呼吸状态的 3D 肝脏 MRI。我们的方法有两种用途：第一，给定动态介入 2D 导航切片用于介入引导时，可重建近实时、高质量、高分辨率的 4D MRI（209x128x128 矩阵尺寸，各向同性 1.8mm 体素尺寸，0.6s/体积）；第二，可用于回顾性 4D 重建，时间分辨率低于 0.2s/体积，用于运动分析及放射治疗。我们报告的平均目标配准误差（TRE）为 1.19 0.74mm，低于体素尺寸。我们将结果与最先进的回顾性 4D MRI 重建进行比较，视觉评估显示质量相当。我们表明，短至 2min 采集时间的小训练集已能取得有前景的结果，24min 足以获得高质量结果。由于我们的方法可轻易与早期方法结合，采集时间可进一步缩短且限制质量损失。我们展示了端到端深度学习公式对 4D MRI 重建极具前景。
引用
@article{arxiv.2202.12628,
title = {Predicting 4D Liver MRI for MR-guided Interventions},
author = {Gino Gulamhussene and Anneke Meyer and Marko Rak and Oleksii Bashkanov and Jazan Omari and Maciej Pech and Christian Hansen},
journal= {arXiv preprint arXiv:2202.12628},
year = {2023}
}
备注
17 pages, 8 figures, submitted to Computerized Medical Imaging and Graphics