Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI

要約

リアルタイム（RT）ダイナミックMRIは、迅速な生理学的プロセスをキャプチャする上で重要な役割を果たし、臓器の動きと機能に関するユニークな洞察を提供します。
これらのアプリケーションの中で、RT Cine MRIは、時間分解能が高い心臓の機能的評価に特に重要です。
RTイメージングにより、心臓の動きの自由な呼吸、測定されたイメージングが可能になり、従来の呼吸の保有、ECGゲートの獲得に耐えられない患者にとって重要な代替手段となります。
ただし、RT Cine MRIで高い加速率を達成することは、特にアンダーサンプリング因子が高いため、心臓外組織からのアーティファクトをエイリアシングするため、困難です。
この研究では、ポスト処理フレームワークで非心臓領域からのエイリアスの貢献を排除することにより、この課題に対処するために、この課題に対処するための新しい外容量除去（OVR）方法を提案します。
私たちのアプローチでは、本質的に擬似期間のゴーストアーティファクトを含む時間介入されたアンダーサンプリングパターンからの複合時間画像を使用して、各時間枠の外容量信号を推定します。
ディープラーニング（DL）モデルは、これらのアーティファクトを識別および削除するようにトレーニングされており、その後、対応するKスペースデータから差し引かれるクリーンな外容量推定値を生成します。
最終的な再構成は、OVR固有の損失関数を使用してトレーニングされた物理学駆動型DL（PD-DL）メソッドで実行され、高空間分解能画像を復元します。
実験結果は、高加速度で提案された方法が、臨床ベースライン画像に視覚的に匹敵する画像品質を達成し、定性的および定量的に従来の再建技術を上回る画像品質を達成することを示しています。
提案されたアプローチは、診断の質を維持しながら、より高い加速度への経路を提供することなく、習得の変更を必要とせずに、RT Cine MRIのアーティファクト削減のための実用的かつ効果的なソリューションを提供します。

要約(オリジナル)

Real-time (RT) dynamic MRI plays a vital role in capturing rapid physiological processes, offering unique insights into organ motion and function. Among these applications, RT cine MRI is particularly important for functional assessment of the heart with high temporal resolution. RT imaging enables free-breathing, ungated imaging of cardiac motion, making it a crucial alternative for patients who cannot tolerate conventional breath-hold, ECG-gated acquisitions. However, achieving high acceleration rates in RT cine MRI is challenging due to aliasing artifacts from extra-cardiac tissues, particularly at high undersampling factors. In this study, we propose a novel outer volume removal (OVR) method to address this challenge by eliminating aliasing contributions from non-cardiac regions in a post-processing framework. Our approach estimates the outer volume signal for each timeframe using composite temporal images from time-interleaved undersampling patterns, which inherently contain pseudo-periodic ghosting artifacts. A deep learning (DL) model is trained to identify and remove these artifacts, producing a clean outer volume estimate that is subsequently subtracted from the corresponding k-space data. The final reconstruction is performed with a physics-driven DL (PD-DL) method trained using an OVR-specific loss function to restore high spatio-temporal resolution images. Experimental results show that the proposed method at high accelerations achieves image quality that is visually comparable to clinical baseline images, while outperforming conventional reconstruction techniques, both qualitatively and quantitatively. The proposed approach provides a practical and effective solution for artifact reduction in RT cine MRI without requiring acquisition modifications, offering a pathway to higher acceleration rates while preserving diagnostic quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google