使用深度神经网络的定量磁化率成像：QSMnet
图像与视频处理
2018-06-18 v2
摘要
深度神经网络在医学图像重建领域已展现出良好潜力。本工作中，开发了一种称为定量磁化率成像（QSM）的MRI重建算法，使用深度神经网络执行偶极子反卷积，从MRI场图恢复磁化率源。以往的QSM方法需要多方向数据（例如通过多方向采样计算磁化率，即COSMOS）或正则化项（例如截断k空间除法，即TKD；形态学赋能偶极子反演，即MEDI）来解决病态反卷积问题。遗憾的是，它们要么需要长时间的多方向扫描，要么存在伪影。为克服这些缺陷，构建了深度神经网络QSMnet，从单方向数据生成高质量磁化率图。该网络具有改进的U-net结构，并使用金标准COSMOS QSM图进行训练。来自5名受试者（每人5个方向）的25个数据集在通过增强使数据翻倍后用于分块训练。另两个含5个方向数据的数据集分别用于验证和测试。测试数据集的QSMnet图与TKD和MEDI的结果在图像质量及多头部方向一致性方面进行比较。定量与定性图像质量比较表明，QSMnet结果的图像质量优于TKD或MEDI，且与COSMOS相当。此外，QSMnet图在多方向间表现出比TKD或MEDI明显更好的一致性。作为初步应用，该网络在两例患者上进行了测试。QSMnet图显示出与MEDI相似的病灶对比度，展示了未来应用的潜力。
引用
@article{arxiv.1803.05627,
title = {Quantitative Susceptibility Mapping using Deep Neural Network: QSMnet},
author = {Jaeyeon Yoon and Enhao Gong and Itthi Chatnuntawech and Berkin Bilgic and Jingu Lee and Woojin Jung and Jingyu Ko and Hosan Jung and Kawin Setsompop and Greg Zaharchuk and Eung Yeop Kim and John Pauly and Jongho Lee},
journal= {arXiv preprint arXiv:1803.05627},
year = {2018}
}
备注
This work is accepted in neuroimage on 8 June, 2018 and soon will be published. The pubmed link is https://www.ncbi.nlm.nih.gov/pubmed/29894829