Generative AI for Rapid Diffusion MRI with Improved Image Quality, Reliability and Generalizability

要約

拡散 MRI は、組織の微細構造をマッピングするための非侵襲的な生体内生物医学イメージング方法です。
アプリケーションには、人間の脳の構造的接続イメージングや微細構造の神経変化の検出が含まれます。
しかし、高い角度分解能と空間分解能で信号対雑音比の高い dMRI データセットを取得するには、法外に長いスキャン時間が必要となるため、多くの重要な臨床現場、特に子供や高齢者、意識的な鎮静や鎮静が必要な急性神経疾患などでの使用が制限されます。
全身麻酔。
私たちは、拡張ヒューマン コネクトーム プロジェクト データでトレーニングされ、登録された T1 スキャンで条件付けされた Swin UNEt Transformers モデルを採用して、dMRI の一般化されたノイズ除去を実行します。
また、正常な成人ボランティアにおいて人工的にダウンサンプリングされた HCP データを使用して超解像度を定性的に実証します。
注目すべきことに、Swin UNETR は、神経発達障害のある小児と急性進行性外傷性脳損傷のある成人の dMRI で実証しているように、単一のスキャン例で領域外のデータセットに合わせて微調整できます。各コホートは異なるモデルでスキャンされています。
異なるサイトで異なる画像プロトコルを使用するスキャナ。
当社は、スキャン時間わずか 90 秒で済む高速拡散テンソル イメージングの精度とテスト再テストの信頼性において、現在の最先端のノイズ除去手法を上回っています。
dMRI の組織微細構造モデリングに適用された Swin UNETR ノイズ除去は、細胞内体積分率および自由水分率測定の試験再試験の信頼性において最先端技術を超えて劇的な改善を達成し、ヘビーテール ノイズを除去して生物物理学モデリングの忠実度を向上させることができます。
Swin UNeTR は、特に科学および臨床用途での生体組織の探査において、前例のない精度と信頼性を備えた高速拡散 MRI を可能にします。
コードとモデルは https://github.com/ucsfncl/dmri-swin で公開されています。

要約(オリジナル)

Diffusion MRI is a non-invasive, in-vivo biomedical imaging method for mapping tissue microstructure. Applications include structural connectivity imaging of the human brain and detecting microstructural neural changes. However, acquiring high signal-to-noise ratio dMRI datasets with high angular and spatial resolution requires prohibitively long scan times, limiting usage in many important clinical settings, especially for children, the elderly, and in acute neurological disorders that may require conscious sedation or general anesthesia. We employ a Swin UNEt Transformers model, trained on augmented Human Connectome Project data and conditioned on registered T1 scans, to perform generalized denoising of dMRI. We also qualitatively demonstrate super-resolution with artificially downsampled HCP data in normal adult volunteers. Remarkably, Swin UNETR can be fine-tuned for an out-of-domain dataset with a single example scan, as we demonstrate on dMRI of children with neurodevelopmental disorders and of adults with acute evolving traumatic brain injury, each cohort scanned on different models of scanners with different imaging protocols at different sites. We exceed current state-of-the-art denoising methods in accuracy and test-retest reliability of rapid diffusion tensor imaging requiring only 90 seconds of scan time. Applied to tissue microstructural modeling of dMRI, Swin UNETR denoising achieves dramatic improvements over the state-of-the-art for test-retest reliability of intracellular volume fraction and free water fraction measurements and can remove heavy-tail noise, improving biophysical modeling fidelity. Swin UNeTR enables rapid diffusion MRI with unprecedented accuracy and reliability, especially for probing biological tissues for scientific and clinical applications. The code and model are publicly available at https://github.com/ucsfncl/dmri-swin.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google