高度加速的3D超短回波时间肺部MRI运动补偿自监督深度学习
摘要：在这项研究中，我们调查了运动补偿的自监督、基于模型的深度学习（MBDL）方法，用于重建自由呼吸的三维肺部超短回波时间（UTE）采集图像。我们开发了一种自监督的附加维度 MBDL 结构（XD-MBDL），将呼吸状态结合起来重建单个高质量的三维图像。我们通过从低分辨率运动解析（XD-GRASP）迭代重建中估计运动场将非刚性、基于 GPU 的运动场融入到该结构中。在具有和不具有对比度的肺部 UTE 数据集上评估了运动补偿的 XD-MBDL 方法，并将其与考虑呼吸运动的约束重建和自监督 MBDL 的变体进行了比较。XD-MBDL 重建出的图像通过视觉评估、表观 SNR 和 CNR 来衡量，显示出比不考虑动态呼吸状态，XD-GRASP 以及最近提出的运动补偿迭代重建策略（iMoCo）的自监督 MBDL 方法具有更好的图像质量。另外，与 XD-GRASP 和 iMoCo 相比，XD-MBDL 减少了重建时间。总结：我们开发了一种方法，使自监督 MBDL 可以将多个呼吸状态结合起来重建单个图像。结合基于 GPU 的图像配准，进一步提高了重建质量。这种方法在重建自由呼吸的三维肺部 UTE 采集图像的用户选择呼吸相方面显示出有希望的结果。
作者：Zachary Miller, Kevin Johnson
论文ID：2210.04436
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2022-10-11