Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI

要約

動的磁気共鳴画像法 (MRI) は心臓診断において不可欠な役割を果たします。
高速イメージングを可能にするために、k 空間データをアンダーサンプリングすることができますが、画像再構成には高次元処理という大きな課題が生じます。
この課題には、深層学習再構成手法における広範なトレーニング データが必要です。
この研究では、非常に限られたトレーニング データでも非常に優れたパフォーマンスを発揮できる、次元削減された分離可能な学習スキームを活用した、斬新で効率的なアプローチを提案します。
私たちは、時空間事前分布を深層分離可能時空間学習ネットワーク (DeepSSL) の開発に組み込むことによってこの新しいアプローチを設計します。これにより、時間的低順位性と空間的疎性の両方を備えた 2D 時空間再構成モデ​​ルの反復プロセスが展開されます。
中間出力を視覚化して、ネットワークの動作についての洞察を提供し、解釈可能性を高めることもできます。
心臓シネデータセットに関する広範な結果は、提案された DeepSSL が視覚的にも定量的にも最先端の方法を上回り、トレーニング ケースの需要を最大 75% 削減することを示しています。
さらに、目に見えない心臓病患者に対するその予備的な適応性は、経験豊富な放射線科医と心臓専門医によって実施されたブラインドリーダー研究を通じて検証されています。
さらに、DeepSSL は心臓セグメンテーションの下流タスクの精度を向上させ、将来的にアンダーサンプリングされたリアルタイム心臓 MRI で堅牢性を示します。

要約(オリジナル)

Dynamic magnetic resonance imaging (MRI) plays an indispensable role in cardiac diagnosis. To enable fast imaging, the k-space data can be undersampled but the image reconstruction poses a great challenge of high-dimensional processing. This challenge necessitates extensive training data in deep learning reconstruction methods. In this work, we propose a novel and efficient approach, leveraging a dimension-reduced separable learning scheme that can perform exceptionally well even with highly limited training data. We design this new approach by incorporating spatiotemporal priors into the development of a Deep Separable Spatiotemporal Learning network (DeepSSL), which unrolls an iteration process of a 2D spatiotemporal reconstruction model with both temporal low-rankness and spatial sparsity. Intermediate outputs can also be visualized to provide insights into the network behavior and enhance interpretability. Extensive results on cardiac cine datasets demonstrate that the proposed DeepSSL surpasses state-of-the-art methods both visually and quantitatively, while reducing the demand for training cases by up to 75%. Additionally, its preliminary adaptability to unseen cardiac patients has been verified through a blind reader study conducted by experienced radiologists and cardiologists. Furthermore, DeepSSL enhances the accuracy of the downstream task of cardiac segmentation and exhibits robustness in prospectively undersampled real-time cardiac MRI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google