MRecover: Modello AI Recupera MRI Corrotte da Movimento Usando Contrasto Sintetico
Un gruppo di ricercatori ha sviluppato MRecover, un modello generativo condizionale che trasforma scansioni MRI T1-pesate standard in immagini T2-pesate turbo spin echo (TSE). Questo modello utilizza il condizionamento autoregessivo delle fette per mantenere la coerenza volumetrica. È stato addestrato su un dataset di 577 immagini MRI a 7T e ha mostrato un'eccellente fedeltà, con un SSIM di 0,84 e un FSIM di 0,94, adattandosi bene anche ai dati a 3T. Nel dataset ADNI3, che presentava artefatti da movimento, MRecover ha migliorato i soggetti analizzabili del 31,8% dopo il controllo qualità (593 rispetto a 450). Inoltre, le immagini sintetizzate hanno fornito dimensioni dell'effetto maggiori per le differenze nell'atrofia dei sottocampi ippocampali, cruciali per una segmentazione accurata.
Fatti principali
- MRecover è un modello generativo condizionale per recuperare immagini MR corrotte da movimento.
- Sintetizza immagini T2w TSE da immagini T1w utilizzando il condizionamento autoregessivo delle fette.
- Addestrato su dati MRI a 7T di 577 soggetti.
- Test in-domain (n=148) ha raggiunto SSIM=0,84 e FSIM=0,94.
- Generalizzato a dati 3T: volumi dei sottocampi correlati r=0,87-0,97 (n=416).
- Nel dataset ADNI3, i soggetti analizzabili sono aumentati da 450 a 593 (31,8% in più).
- Le dimensioni dell'effetto per l'atrofia dei sottocampi ippocampali sono migliorate (ε²=0,121-0,100 vs 0,086-0,06).
- Il modello si concentra sugli artefatti da movimento nella segmentazione dei sottocampi ippocampali.
Entità
Istituzioni
- ADNI3