Khái niệm cốt lõi
低場磁振造影 (MRI) 的發展受限於低信噪比和長掃描時間,而結合壓縮感測、人工智慧和掃描重複次數優化等方法,可以有效縮短掃描時間並提升影像品質,為低場 MRI 的臨床應用開闢道路。
Tóm tắt
低場磁振造影加速成像:壓縮感測與人工智慧的應用
這篇研究論文探討如何應用壓縮感測和人工智慧技術來加速低場磁振造影 (MRI) 並提升其影像品質。
低場磁振造影系統具有成本效益高和便攜性等優勢,但在臨床應用上受到低信噪比和長掃描時間的限制。高場 MRI 系統 (1.5-3 特斯拉) 影像品質較佳,但低場 MRI 系統 (0.005-0.1 特斯拉) 則提供更經濟的選擇,尤其適用於資源有限的地區。
低場 MRI 在診斷中風和腦積水等腦部疾病方面已展現潛力,其便攜式全身篩檢的潛力預示著醫療保健的轉型,特別是在偏遠和服務欠佳的地區。然而,低信噪比和長掃描時間阻礙了低場 MRI 的臨床應用。低信噪比導致影像清晰度降低,進而限制診斷準確性。為改善信噪比,通常會重複掃描並對數據進行平均,但這會導致掃描時間更長,在某些情況下甚至可能超過一小時,限制了臨床實用性,尤其是在急診護理方面,並降低了患者的舒適度和配合度。
加速 MRI 掃描的技術
**k 空間欠採樣:**透過以低於奈奎斯特頻率的速率採集數據來加速 MRI 掃描,這個過程稱為 k 空間(傅立葉域)欠採樣。然而,這會引入偽影,需要使用影像重建演算法從欠採樣數據中推斷影像來去除。
**壓縮感測 (CS):**利用影像在某些變換域(例如小波域)中的稀疏性先驗知識。
**人工智慧 (AI):**直接從基礎數據和正向編碼模型中學習先驗知識。
低場 MRI 的挑戰
**信噪比變化大:**現代低場 MRI 系統具有便攜性,可在各種環境中工作,但這也使得設備暴露於不同的環境條件和電磁雜訊中,從而影響成像過程。
**重建方法評估的挑戰:**影像重建演算法通常使用品質指標(例如歸一化均方根誤差 (NRMSE) 和結構相似性指標 (SSIM))進行評估。這些指標會根據參考數據(例如從全採樣 k 空間數據重建的影像)計算重建品質。然而,在低場 MRI 中,參考數據可能會受到大量雜訊的影響。