qDWI-Morph：用于胎儿肺成熟度评估的运动补偿定量扩散加权 MRI 分析
计算机视觉与模式识别
2022-08-23 v1
摘要
胎儿肺扩散加权 MRI（DWI）数据的定量分析显示出提供间接反映胎儿肺成熟的定量影像生物标志物的潜力。然而，采集过程中的胎儿运动妨碍了所获取 DWI 数据的定量分析，从而阻碍了可靠的临床利用。我们提出 qDWI-morph，一种用于运动补偿定量 DWI（qDWI）分析的无监督深度神经网络架构。我们的方法将一个配准子网络与一个定量 DWI 模型拟合子网络相耦合。我们通过最小化一个整合了配准损失和模型拟合质量损失的生物物理信息损失函数，同时估计 qDWI 参数和运动模型。我们展示了 qDWI-morph 相对于以下两者的附加价值：1）无运动补偿的基线 qDWI 分析；2）仅包含配准损失的基线深度学习模型。通过对胎儿肺 DWI 数据进行体内 qDWI 分析，qDWI-morph 实现了与孕龄显著改善的相关性（R 平方=0.32 对比 0.13、0.28）。我们的 qDWI-morph 有潜力实现 DWI 数据的运动补偿定量分析，并提供用于无创胎儿肺成熟度评估的临床可行生物标志物。我们的代码可在 https://github.com/TechnionComputationalMRILab/qDWI-Morph 获取。
引用
@article{arxiv.2208.09836,
title = {qDWI-Morph: Motion-compensated quantitative Diffusion-Weighted MRI analysis for fetal lung maturity assessment},
author = {Yael Zaffrani-Reznikov and Onur Afacan and Sila Kurugol and Simon Warfield and Moti Freiman},
journal= {arXiv preprint arXiv:2208.09836},
year = {2022}
}
备注
Accepted to ECCV-MCV: https://mcv-workshop.github.io/