SUPER-IVIM-DC：基于体素内不相干运动的受限 DWI 数据监督学习结合数据一致性胎儿肺成熟度评估
计算机视觉与模式识别
2022-07-01 v3 人工智能
图像与视频处理
医学物理
摘要
胎儿肺扩散加权 MRI（DWI）数据的体素内不相干运动（IVIM）分析显示出潜力，可提供间接反映扩散与伪扩散的定量成像生物标记物，用于无创胎儿肺成熟评估。然而，由于 IVIM 分析所需大量不同“b 值”图像，采集时间长，阻碍了临床可行性。我们提出 SUPER-IVIM-DC，一种将监督损失与数据一致性项相结合的深度神经网络（DNN）方法，以实现对有限 b 值采集的 DWI 数据进行 IVIM 分析。我们通过数值模拟、健康志愿者研究以及基于胎儿 DWI 数据的胎儿肺成熟 IVIM 分析，展示了 SUPER-IVIM-DC 相对于经典及近期 DNN 方法的 IVIM 分析附加价值。我们的数值模拟与健康志愿者研究表明，SUPER-IVIM-DC 从有限 DWI 数据估计的 IVIM 模型参数相较于先前基于 DNN 的方法具有更低的归一化均方根误差。此外，SUPER-IVIM-DC 从胎儿肺有限 DWI 数据估计的伪扩散分数参数与孕龄的相关性，优于经典与基于 DNN 的方法（0.555 对比 0.463 和 0.310）。SUPER-IVIM-DC 有潜力减少 DWI 数据 IVIM 分析所需的长时间采集，并提供用于无创胎儿肺成熟度评估的临床可行生物标记物。
引用
@article{arxiv.2206.03820,
title = {SUPER-IVIM-DC: Intra-voxel incoherent motion based Fetal lung maturity assessment from limited DWI data using supervised learning coupled with data-consistency},
author = {Noam Korngut and Elad Rotman and Onur Afacan and Sila Kurugol and Yael Zaffrani-Reznikov and Shira Nemirovsky-Rotman and Simon Warfield and Moti Freiman},
journal= {arXiv preprint arXiv:2206.03820},
year = {2022}
}
备注
Accepted to the International Conference on Medical Image Computing and Computer Assisted Intervention - MICCAI 2022, to be held during Sept 18-22 in Singapore