Deep-learning-based acceleration of MRI for radiotherapy planning of pediatric patients with brain tumors

要約

磁気共鳴画像法 (MRI) は、人体の解剖学的構造についての詳細な洞察を提供する、非侵襲的な診断および放射線治療 (RT) 計画ツールです。
画像アーチファクトの低減を優先する長時間の画像処理では、じっとしていなければならない患者にとって、長時間のスキャン時間はストレスになります。
これは、麻酔などの随意運動を管理するための手段が必要な小児患者にとっては困難です。
いくつかの計算手法では、記録する測定値を減らし、取得後の再構成によって完全な情報をデジタル的に回復することにより、スキャン時間を短縮します（高速 MRI）。
しかし、ほとんどの高速 MRI アプローチは画像診断用に開発されており、RT 計画に特有の再構成の課題には対処していません。
この研究では、RT 固有の受信コイル配置で収集されたアンダーサンプリングされたデータから MRI を再構成するための深層学習ベースの方法 (DeepMRIRec) を開発しました。
私たちは、コイル要素の仮想圧縮を適用した場合と適用しない場合で、ループコイルおよび後部コイル（12チャネル）を使用して脳腫瘍/手術ベッドを持つ73人の小児から取得したT1強調MR画像の完全にサンプリングされたデータに対して私たちの方法を評価しました。
DeepMRIRec はスキャン時間を 4 分の 1 に短縮し、評価された最先端の方法 (0.960 対 0.896) を上回る構造類似性スコアを生成し、RT 計画のための MRI スキャンを加速する可能性を実証しました。

要約(オリジナル)

Magnetic Resonance Imaging (MRI) is a non-invasive diagnostic and radiotherapy (RT) planning tool, offering detailed insights into the anatomy of the human body. The extensive scan time is stressful for patients, who must remain motionless in a prolonged imaging procedure that prioritizes reduction of imaging artifacts. This is challenging for pediatric patients who may require measures for managing voluntary motions such as anesthesia. Several computational approaches reduce scan time (fast MRI), by recording fewer measurements and digitally recovering full information via post-acquisition reconstruction. However, most fast MRI approaches were developed for diagnostic imaging, without addressing reconstruction challenges specific to RT planning. In this work, we developed a deep learning-based method (DeepMRIRec) for MRI reconstruction from undersampled data acquired with RT-specific receiver coil arrangements. We evaluated our method against fully sampled data of T1-weighted MR images acquired from 73 children with brain tumors/surgical beds using loop and posterior coils (12 channels), with and without applying virtual compression of coil elements. DeepMRIRec reduced scanning time by a factor of four producing a structural similarity score surpassing the evaluated state-of-the-art method (0.960 vs 0.896), thereby demonstrating its potential for accelerating MRI scanning for RT planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google