MyoMapNet：基于神经网络的加速改进型 Look-Locker 反转恢复心肌 T1 成像
摘要
目的：开发并评估 MyoMapNet，一种快速心肌 T1 成像方法，其利用神经网络（NN）从单次反转脉冲后 4–5 个心动周期内采集的 T1 加权图像中估计体素水平的心肌 T1 及细胞外容积（ECV）。方法：MyoMapNet 利用一个简单的全连接神经网络，从 5 幅（平扫）或 4 幅（增强后）T1 加权图像估计 T1 值。在 717 名受试者（386 名男性，55±16.5 岁）中采集平扫 MOLLI-5(3)3 T1，在 535 名受试者（232 名男性，56.5±15 岁）中采集增强后 MOLLI-4(1)3(1)2。数据集按 80% 训练、20% 测试划分，其中训练集的 20% 用于优化 MyoMapNet 架构（规模与损失函数）。我们使用 MyoMapNet 从相应 MOLLI 序列的前 5 幅（平扫）或 4 幅（增强后）T1 加权图像估计 T1 与 ECV 图，并与传统 MOLLI 及使用相似数量 T1 加权图像、采用三参数曲线拟合的 abbreviated MOLLI 进行比较。结果：在初步优化步骤中，我们确定使用平均绝对误差损失训练的 5 层神经网络估计误差更低，并用于后续独立测试研究。MyoMapNet 所得心肌 T1 与 MOLLI 相近（平扫 T1：1200±45 ms vs. 1199±46 ms，P=0.3；ECV：27.3±3.5% vs. 27.1±4%，P=0.4）。与 abbreviated-MOLLI 相比，MyoMapNet 的 T1 估计误差显著更小（平扫 T1：1±17 ms vs. 31±34 ms，P<0.01；ECV：0.1±1.3% vs. 1.9±2.5%，P<0.01）。使用 MyoMapNet 每切片 T1 估计耗时约 2 ms。结论：MyoMapNet T1 成像可在 4–5 个心动周期内实现心肌 T1 定量，且图像估计时间近乎瞬时，精度与 MOLLI 相当。关键词：心肌 T1 成像，MOLLI，T1 重建，神经网络，深度学习。
引用
@article{arxiv.2104.00143,
title = {$\textbf{MyoMapNet}$: Accelerated Modified Look-Locker Inversion Recovery Myocardial T1 Mapping via Neural Networks},
author = {Hossam El-Rewaidy and Rui Guo and Amanda Paskavitz and Tuyen Yankama and Long Ngo and Bjoern Menze and Reza Nezafat},
journal= {arXiv preprint arXiv:2104.00143},
year = {2021}
}
备注
34 pages, 10 figrues, 3 tables