Faster Diffusion Cardiac MRI with Deep Learning-based breath hold reduction

要約

拡散テンソル心臓磁気共鳴（DT-CMR）を使用すると、心筋内の心筋細胞の微細構造の配置をinvivoおよび非侵襲的に調べることができます。これは他の画像診断法では不可能です。
この革新的な技術は、心臓の臨床診断、リスク層別化、予後および治療のフォローアップを実行する能力に革命をもたらす可能性があります。
ただし、DT-CMRは現在非効率的であり、単一の2D静止画像を取得するのに6分以上必要です。
したがって、DT-CMRは現在、研究に限定されていますが、臨床的には使用されていません。
DT-CMRデータセットを生成し、その後それらのノイズを除去するために必要な繰り返し回数を減らし、許容可能な画質を維持しながら取得時間を線形係数で短縮することを提案します。
Generative Adversarial Networks、Vision Transformers、およびEnsemble Learningに基づく提案されたアプローチは、以前に提案されたアプローチよりも大幅かつ大幅に優れており、シングルブレスホールドDT-CMRを現実に近づけます。

要約(オリジナル)

Diffusion Tensor Cardiac Magnetic Resonance (DT-CMR) enables us to probe the microstructural arrangement of cardiomyocytes within the myocardium in vivo and non-invasively, which no other imaging modality allows. This innovative technology could revolutionise the ability to perform cardiac clinical diagnosis, risk stratification, prognosis and therapy follow-up. However, DT-CMR is currently inefficient with over six minutes needed to acquire a single 2D static image. Therefore, DT-CMR is currently confined to research but not used clinically. We propose to reduce the number of repetitions needed to produce DT-CMR datasets and subsequently de-noise them, decreasing the acquisition time by a linear factor while maintaining acceptable image quality. Our proposed approach, based on Generative Adversarial Networks, Vision Transformers, and Ensemble Learning, performs significantly and considerably better than previous proposed approaches, bringing single breath-hold DT-CMR closer to reality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google