面向金属植入物附近加速多光谱 MRI 的可变分辨率采样与深度学习图像恢复
图像与视频处理
2024-11-01 v1 人工智能
计算机视觉与模式识别
医学物理
摘要
目的：本研究提出一种用于金属植入物附近多光谱 MRI 的可变分辨率（VR）采样与深度学习重建方法，旨在缩短扫描时间的同时保持图像质量。背景：金属植入物使用的增加导致受金属伪影影响的 MRI 扫描增多。多光谱成像（MSI）可减少这些伪影，但牺牲了采集效率。方法：这项回顾性研究利用带有金属植入物的患者的 1.5T MSI 膝关节和髋关节数据，采用一种新颖的谱域欠采样方案，将采集效率提高了约 40%。训练了基于 U-Net 的深度学习模型进行重建。使用 SSIM、PSNR 和 RESI 指标评估图像质量。结果：与传统重建（CR-VR）相比，欠采样 VR 数据的深度学习重建（DL-VR）显示出显著更高的 SSIM 和 PSNR 值（p<0.001），且边缘锐度得到改善。DL 重建图像的边缘锐度与全采样参考图像相当（p=0.5）。结论：该方法可通过缩短扫描时间或实现更高分辨率，潜在地改善金属植入物附近的 MRI 检查。需要进一步的前瞻性研究来评估其临床价值。
引用
@article{arxiv.2410.23329,
title = {Variable Resolution Sampling and Deep Learning Image Recovery for Accelerated Multi-Spectral MRI Near Metal Implants},
author = {Azadeh Sharafi and Nikolai J. Mickevicius and Mehran Baboli and Andrew S. Nencka and Kevin M. Koch},
journal= {arXiv preprint arXiv:2410.23329},
year = {2024}
}
备注
10 pages, 5 figures