Amélioration de la vitesse et dépliage en IRM de flux 4D à l’aide de réseaux neuronaux sans divergence

Motivation : L'IRM de flux 4D souffre de différentes sources de bruit et d'artefacts de dépliage qui peuvent affecter son exactitude et sa convivialité en tant qu'outil clinique. Objectif(s) : Cette étude vise à améliorer simultanément le rapport signal sur bruit et à corriger les artefacts de dépliage de vitesse dans l'IRM de flux 4D. Approche : Nous avons développé un réseau neuronal non supervisé qui améliore l'IRM de flux 4D en estimant un champ de vitesse sans divergence. Résultats : Le modèle a démontré des performances supérieures par rapport aux méthodes existantes, et les résultats initiaux in vivo ont validé son potentiel pour des évaluations hémodynamiques plus fiables et sans artefacts dans les applications cliniques. Impact : Nous avons proposé un réseau neuronal sans divergence non supervisé qui améliore efficacement le rapport signal sur bruit et réduit les artefacts de dépliage de vitesse dans l'IRM de flux 4D, améliorant son exactitude et sa fiabilité tant dans les contextes cliniques que de recherche.