Mapeamento de parâmetros de ressonância magnética usando aprendizado profundo auto-supervisionado guiado por modelo

Objetivo Desenvolver uma estrutura de reconstrução de MRI auto-supervisionada guiada por modelo chamada extração de mapa latente sem referência (RELAX) para mapeamento rápido quantitativo de parâmetros de RM. Métodos Dois modelos físicos são incorporados para o treinamento da rede em RELAX, incluindo o modelo inerente de imagem por RM e um modelo quantitativo que é usado para ajustar parâmetros na RM quantitativa. Ao impor essas restrições de modelo físico, o RELAX elimina a necessidade de conjuntos de dados de referência totalmente amostrados que são requeridos no aprendizado supervisionado padrão. Enquanto isso, o RELAX também permite a reconstrução direta de mapas de parâmetros de RM correspondentes a partir de k-espaço subamostrado. Restrições de esparsidade genéricas usadas na reconstrução iterativa convencional, como a restrição de variação total, podem ser adicionadas à estrutura RELAX para melhorar a qualidade da reconstrução. O desempenho do RELAX foi testado para mapeamento acelerado de T 1 e T 2 em conjuntos de dados de MRI simulados e realmente adquiridos e foi comparado com aprendizado supervisionado e reconstrução restrita convencional para suprimir ruído e/ou artefatos induzidos por subamostragem. Resultados Nos conjuntos de dados simulados, o RELAX gerou bons mapas de T 1 /T 2 na presença de ruído e/ou artefatos de subamostragem, comparáveis à verdade fundamental livre de artefatos/ruído. A inclusão de uma restrição de variação total espacial ajuda a melhorar a qualidade da imagem. Para os conjuntos de dados de mapeamento in vivo de T 1 /T 2, o RELAX alcançou uma qualidade de reconstrução superior quando comparado com a reconstrução iterativa convencional, e desempenho de reconstrução semelhante ao da reconstrução por aprendizado profundo supervisionado. Conclusão Este trabalho demonstrou a viabilidade inicial de mapeamento rápido quantitativo de parâmetros de RM baseado em aprendizado profundo auto-supervisionado. A estrutura RELAX também pode ser estendida a outras aplicações de RM quantitativa ao incorporar modelos de imagem quantitativos correspondentes.