利用k-Space信息对MRI前列腺肿瘤概率估计
计算机视觉与模式识别
2025-04-15 v2 人工智能
医学物理
摘要
我们提出了一种新颖的预处理和预测管道，用于对磁共振成像(MRI)的分类，充分利用信息丰富的复数值k-Space。我们使用公开的MRI原始数据集进行实验，数据集包含312名受试者，总计9508个切片。我们展示了利用k-Space相对于仅使用图像域中幅度信息进行更好前列腺癌概率估计的优势，AUROC为。此外，通过使用高降样率和简单的主成分分析(PCA)进行 coil 压缩，我们减少了重建所需的时间，避免了耗时的GRAPPA重建算法。通过使用数字降样，我们表明扫描和重建时间可以显著降低。即使在降样因子为16的情况下，我们的方法仍能实现有意义的结果，AUROC为，使用PCA coil 组合并考虑k-Space信息。通过本研究，我们展示了在保持相位和k-Space信息的可行性，结果保持一致。除了为进一步诊断保留有价值信息外，该方法可以在不进行耗时的ADC和重建计算的情况下工作，显著减少后处理时间以及潜在的扫描时间，提高患者舒适度并接近实时预测。
引用
@article{arxiv.2407.06165,
title = {Tumor likelihood estimation on MRI prostate data by utilizing k-Space information},
author = {M. Rempe and F. Hörst and C. Seibold and B. Hadaschik and M. Schlimbach and J. Egger and K. Kröninger and F. Breuer and M. Blaimer and J. Kleesiek},
journal= {arXiv preprint arXiv:2407.06165},
year = {2025}
}