Bildgebung der Gefäßwand mit einer speziellen Deep-Learning-Methode (VWI-DL): Auf dem Weg zu einem klinisch robusten MR-Protokoll in 5 Minuten

Motivation: Lange Scanzeiten (8-12 Minuten) in der ganzhirnigen MR-Gefäßwandbildgebung (VWI) verursachen Unbehagen bei den Patienten und Bewegungsartefakte, was die klinische Nutzung einschränkt. Schnellere VWI mit erhaltener Bildqualität ist sehr wünschenswert. Ziel(e): Entwicklung eines für VWI spezialisierten Deep-Learning-Modells zur erheblichen Beschleunigung der Datenerfassung, ohne die Bildqualität zu beeinträchtigen. Ansatz: Wir entwickelten ein Multi-View-Deep-Learning-Modell mit SwinIR als Basis, trainierten es mit 12-minütigen VWI-Rohdaten und verwendeten einen Abstimmungsmechanismus über Ansichten hinweg, um die Konsistenz zu erhöhen. Sowohl retrospektives als auch prospektives Testing wurden durchgeführt. Ergebnisse: Das Modell reduzierte die Scanzeit auf <6 Minuten mit PSNR- und SSIM-Verbesserungen von 9,69 und 0,28. Einfluss: Das für VWI spezialisierte Deep-Learning-Modell ermöglicht eine schnellere Datenerfassung mit erhaltener Bildqualität im Vergleich zu standardisierten klinischen Protokollen, was die Robustheit und den klinischen Durchsatz von VWI erhöhen und somit die klinische Akzeptanz fördern könnte.