UTE 이미지를 위한 심층 학습을 이용한 간 실질의 자동 추출 및 R2* 추정: 간철분 과부하 평가

초단시간 에코(UTE) 이미지는 고철분 과부하 사례에서 전통적인 GRE 시퀀스가 빠른 신호 감소로 인해 실패할 수 있을 때 R2*-기반 간철분 함량(HIC) 정량화의 정확성을 높입니다. 간 R2*를 추정하기 위해 전체 간을 분할하는 것은 전문가의 수작업이 필요하며 시간이 많이 소요됩니다. 이 연구에서는 크기를 이미지와 R2* 맵을 사용하여 방사형 UTE 획득에서 간 실질을 자동으로 분할하기 위해 합성곱 신경망(CNN)을 훈련했습니다. 우리의 결과는 수동 및 CNN 기반의 간 분할과 평균 R2* 값 간에 우수한 일치를 보여 주며, 따라서 자동화된 HIC 평가를 위한 제안된 방법의 가능성을 입증합니다.