Soustraction robuste du volume externe avec détection des fantômes par apprentissage profond pour l'IRM dynamique en temps réel hautement accélérée

L'IRM dynamique en temps réel est importante pour visualiser des processus variant dans le temps dans plusieurs applications, y compris l'imagerie cardiaque, où elle permet d'obtenir des images en respiration libre du cœur battant sans synchronisation ECG. Cependant, les techniques d'IRM en temps réel actuelles rencontrent souvent des défis pour atteindre les résolutions spatio-temporelles requises en raison de taux d'accélération limités. Dans cette étude, nous proposons une technique d'apprentissage profond (DL) pour améliorer l'estimation du signal stationnaire du volume externe à partir de motifs de sous-échantillonnage entrelacés dans le temps. Notre approche utilise la nature pseudo-périodique des artefacts de fantômes provenant des organes en mouvement. Par la suite, ce signal estimé du volume externe est soustrait des trames individuelles de la série temporelle de l'IRM en temps réel, et chaque trame est reconstruite individuellement en utilisant des méthodes de DL guidées par la physique. Les résultats montrent une amélioration de la qualité d'image à des taux d'accélération élevés, où les méthodes conventionnelles échouent.