High-Resolution Reference Image Assisted Volumetric Super-Resolution of Cardiac Diffusion Weighted Imaging

要約

拡散テンソル心臓磁気共鳴 (DT-CMR) は、人間の心臓の微細構造を非侵襲的に検査する唯一の in vivo 方法です。
DT-CMR における現在の研究は、心臓の微細構造が健康な心臓の巨視的機能にどのように関連しているか、また微細構造の機能不全が疾患にどのように寄与しているかについての理解を高めることを目的としています。
最終的な DT-CMR メトリクスを取得するには、少なくとも 6 方向の拡散強調画像を取得する必要があります。
ただし、DWI の信号対雑音比が低いため、標準のボクセル サイズは微細構造のスケールでは非常に大きくなります。
この研究では、体積的に (すべての次元で 4 倍) 画質を向上させるディープラーニング ベースの手法の可能性を調査しました。
この研究では、高解像度 b0 DWI の追加モデル入力を使用して、体積超解像度を可能にする新しいフレームワークを提案しました。
追加の入力により、より高い超解像画質が提供できることを実証しました。
さらに、このモデルは目に見えない b 値の DWI を超解像することもでき、心臓 DWI 超解像に対するモデル フレームワークの一般化可能性を証明しています。
結論として、参照画像が利用可能なパラメトリック イメージングのすべての超解像度フレームワークをガイドするために、トレーニングと推論用の低解像度画像への追加入力として高解像度の参照画像をモデルに与えることをお勧めします。

要約(オリジナル)

Diffusion Tensor Cardiac Magnetic Resonance (DT-CMR) is the only in vivo method to non-invasively examine the microstructure of the human heart. Current research in DT-CMR aims to improve the understanding of how the cardiac microstructure relates to the macroscopic function of the healthy heart as well as how microstructural dysfunction contributes to disease. To get the final DT-CMR metrics, we need to acquire diffusion weighted images of at least 6 directions. However, due to DWI’s low signal-to-noise ratio, the standard voxel size is quite big on the scale for microstructures. In this study, we explored the potential of deep-learning-based methods in improving the image quality volumetrically (x4 in all dimensions). This study proposed a novel framework to enable volumetric super-resolution, with an additional model input of high-resolution b0 DWI. We demonstrated that the additional input could offer higher super-resolved image quality. Going beyond, the model is also able to super-resolve DWIs of unseen b-values, proving the model framework’s generalizability for cardiac DWI superresolution. In conclusion, we would then recommend giving the model a high-resolution reference image as an additional input to the low-resolution image for training and inference to guide all super-resolution frameworks for parametric imaging where a reference image is available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google