深層学習を用いた3D quantitative synthetic MRIに基づくMRA生成［大会長賞記録］

DOI Web Site 参考文献2件 オープンアクセス
  • 藤田 翔平
    順天堂大学医学部附属順天堂医院放射線科 東京大学大学院医学系研究科放射線医学講座
  • 大塚 裕次朗
    順天堂大学医学部附属順天堂医院放射線科 ミリマン・インク
  • 萩原 彰文
    順天堂大学医学部附属順天堂医院放射線科
  • 堀 正明
    東邦大学医療センター大森病院放射線科
  • 竹井 直行
    GEヘルスケア・ジャパン研究開発部
  • Ken-Pin Hwang
    MDアンダーソンがんセンター放射線科
  • 入江 隆介
    東京大学大学院医学系研究科放射線医学講座
  • Christina Andica
    順天堂大学医学部附属順天堂医院放射線科
  • 鎌形 康司
    順天堂大学医学部附属順天堂医院放射線科
  • 隈丸 加奈子
    順天堂大学医学部附属順天堂医院放射線科
  • 鈴木 道真
    順天堂大学医学部附属順天堂医院放射線科
  • 和田 昭彦
    順天堂大学医学部附属順天堂医院放射線科
  • 青木 茂樹
    順天堂大学医学部附属順天堂医院放射線科

書誌事項

タイトル別名
  • Deep Learning for MR Angiography Synthesis using 3D Quantitative Synthetic MR Imaging [Presidential Award Proceedings]

この論文をさがす

説明

<p>Purpose : Quantitative synthetic magnetic resonance imaging (MRI) enables the synthesis of various contrast-weighted images based on simultaneous relaxometry. Herein, we developed a deep learning algorithm to generate magnetic resonance angiography (MRA) from three-dimensional (3D) synthetic MRI data.</p><p>Materials and Methods : Eleven healthy volunteers underwent time-of-flight (TOF) MRA sequence and 3D synthetic MRI sequence, i.e., 3D-QALAS. Five raw 3D-QALAS images were used as inputs for deep learning (DL-MRA). A simple linear combination model was prepared for comparison (linear-MRA). Three-fold cross-validation was performed. The peak signal-to-noise ratio (PSNR) and structural similarity index (SSIM) were calculated for DL-MRA and linear-MRA against TOF-MRA. The overall image quality and branch visualization were scored on a 5-point Likert scale by a neuroradiologist blinded to the data.</p><p>Results : The PSNR and SSIM were significantly higher for DL-MRA that those of linear-MRA. Overall image quality and branch visualizations were comparable for DL-MRA and TOF-MRA.</p><p>Conclusion : Deep learning based on 3D-synthetic MRI enabled the generation of MRA with quality equivalent to that of TOF-MRA.</p>

収録刊行物

参考文献 (2)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ