基于单体积超分辨率的快速全心心脏磁共振成像
图像与视频处理
2019-12-24 v1 机器学习
机器学习
摘要
背景：三维全心平衡稳态自由进动（WH-bSSFP）序列可清晰显示心内与血管解剖结构，但采集时间长。本文提出利用深度学习单体积超分辨率重建，从快速采集的低分辨率 WH-bSSFP 图像中恢复高分辨率特征，以显著加速。方法：使用合成数据训练三维残差 U-Net，该合成数据由高分辨率 WH-bSSFP 图像库通过模拟 0.5 切片分辨率和 0.5 相位分辨率生成。训练后的网络在合成测试数据及前瞻性低分辨率数据上进行了验证。结果：超分辨率重建后合成低分辨率数据的图像质量显著提升。定性图像评分显示，超分辨率图像比低分辨率图像具有更好的边缘锐度、更少的残留伪影和更小的图像畸变，评分与高分辨率数据相近。定量图像评分显示，超分辨率图像的边缘锐度显著优于低分辨率或高分辨率图像，且信噪比显著优于高分辨率数据。血管直径测量显示，与高分辨率数据相比，低分辨率测量存在高估；超分辨率测量未发现显著差异与偏倚。结论：本文证明了在临床环境中使用残差 U-Net 对快速采集的低分辨率全心 bSSFP 数据进行超分辨率重建的潜力。所得网络应用极快，使其在繁忙的临床工作流中尤为具有吸引力。因此，我们认为该技术有助于加快临床实践中的全心心脏磁共振（CMR）成像。
引用
@article{arxiv.1912.10503,
title = {Rapid Whole-Heart CMR with Single Volume Super-resolution},
author = {Jennifer A. Steeden and Michael Quail and Alexander Gotschy and Andreas Hauptmann and Simon Arridge and Rodney Jones and Vivek Muthurangu},
journal= {arXiv preprint arXiv:1912.10503},
year = {2019}
}