再発性ニューラルネットワークを使用したCine Cardiac MRIモーションアーティファクト削減

Cine心臓磁気共鳴画像法（MRI）は、心臓血管の特徴を優れた対照的に提示する能力のおかげで、心臓病の診断に広く使用されています。ただし、コンピューター断層撮影（CT）と比較して、MRIには長いスキャン時間が必要であり、必然的にモーションアーティファクトを誘導し、患者の不快感を引き起こします。したがって、スキャン時間とモーションアーティファクトの両方を減らすための技術を開発する強力な臨床動機がありました。MRIスーパー解像度やCTメタルアーティファクト削減などの他の医療画像タスクでのアプリケーションが成功したことを考えると、ディープラーニングは心臓MRIモーションアーティファクトの削減の有望なアプローチです。このホワイトペーパーでは、心臓MRIモーションアーティファクト削減のための新しい再発生成敵対的ネットワークモデルを提案します。このモデルは、双方向の畳み込みの長期記憶（COBRLSTM）とマルチスケールの畳み込みを利用して、提案されたネットワークのパフォーマンスを改善します。グローバルな機能。心血管のダイナミクスの本質的な関係を捉えた深いネットワークの新しいアーキテクチャのおかげで、提案された方法の適切な一般化可能性を示します。実際、私たちの広範な実験は、我々の方法が既存の最先端の方法よりもシネの心臓MRI画像の画質を向上させることを示しています。さらに、この方法では、隣接するフレームに基づいて信頼できる欠落している中間フレームを生成し、シネの心臓MRIシーケンスの時間分解能を改善することができます。

Cine cardiac magnetic resonance imaging (MRI) is widely used for the diagnosis of cardiac diseases thanks to its ability to present cardiovascular features in excellent contrast. As compared to computed tomography (CT), MRI, however, requires a long scan time, which inevitably induces motion artifacts and causes patients' discomfort. Thus, there has been a strong clinical motivation to develop techniques to reduce both the scan time and motion artifacts. Given its successful applications in other medical imaging tasks such as MRI super-resolution and CT metal artifact reduction, deep learning is a promising approach for cardiac MRI motion artifact reduction. In this paper, we propose a novel recurrent generative adversarial network model for cardiac MRI motion artifact reduction. This model utilizes bi-directional convolutional long short-term memory (ConvLSTM) and multi-scale convolutions to improve the performance of the proposed network, in which bi-directional ConvLSTMs handle long-range temporal features while multi-scale convolutions gather both local and global features. We demonstrate a decent generalizability of the proposed method thanks to the novel architecture of our deep network that captures the essential relationship of cardiovascular dynamics. Indeed, our extensive experiments show that our method achieves better image quality for cine cardiac MRI images than existing state-of-the-art methods. In addition, our method can generate reliable missing intermediate frames based on their adjacent frames, improving the temporal resolution of cine cardiac MRI sequences.