用于多发性硬化的时间可调纵向液体衰减反转恢复MRI估计与合成
图像与视频处理
2022-09-12 v1 计算机视觉与模式识别
医学物理
摘要
多发性硬化（MS）是一种慢性进行性神经疾病，其特征是脑白质中出现病灶。与其他MRI模态相比，T2液体衰减反转恢复（FLAIR）脑磁共振成像（MRI）能更优地显示和表征MS病灶。MS中的纵向脑FLAIR MRI通过对患者随时间重复成像，为临床医生监测疾病进展提供了有益信息。预测具有可变时间间隔的未来全脑MRI检查仅在有限应用中尝试过，例如健康老化和阿尔茨海默病中的结构退化。在本文中，我们对用于MS FLAIR图像合成的深度学习架构进行了新颖改进，以支持以灵活的连续方式预测纵向图像。这是通过学习的转置卷积实现的，其支持将时间建模为在不同空间位置具有可变时间属性的空间分布数组。因此，该方法在理论上可建模空间特异性的时间依赖性大脑发育，支持在适当物理位置（如MS脑病灶处）建模更快速的生长。该方法还支持临床医生用户定义预测检查应针对的未来时间跨度。对未来成像轮次的准确预测可告知临床医生潜在不良的患者预后，这可能有助于更早治疗和更好预后。我们开发了四种不同的深度学习架构。使用ISBI2015纵向MS数据集来验证和比较我们提出的方法。结果表明，改进的ACGAN取得了最佳性能并降低了模型准确性的变异性。
引用
@article{arxiv.2209.04275,
title = {Temporally Adjustable Longitudinal Fluid-Attenuated Inversion Recovery MRI Estimation / Synthesis for Multiple Sclerosis},
author = {Jueqi Wang and Derek Berger and Erin Mazerolle and Othman Soufan and Jacob Levman},
journal= {arXiv preprint arXiv:2209.04275},
year = {2022}
}
备注
2022 MICCAI BrainLes Workshop paper