Le Reti Neurali Informate dalla Fisica Migliorano la Quantificazione della Perfusione Miocardica tramite Risonanza Magnetica
Un nuovo preprint su arXiv (2608.11282) propone un'estensione delle reti neurali informate dalla fisica (PINN) per quantificare la perfusione miocardica da immagini di risonanza magnetica cardiaca (CMR). Il metodo integra rappresentazioni neurali implicite (INR) spaziotemporali per modellare il segnale MR come una funzione continua, migliorando accuratezza, fluidità e coerenza fisica. L'approccio affronta le sfide nell'adattare modelli cinetici del tracciante a dati di contrasto dinamico, che sono sensibili al rumore e alla variabilità di acquisizione. Lo studio dimostra risultati promettenti su dataset CMR simulati realistici, suggerendo un potenziale avanzamento rispetto ai tradizionali metodi di fitting ai minimi quadrati non lineari e ai precedenti framework PINN.
Fatti principali
- arXiv:2608.11282
- Le reti neurali informate dalla fisica (PINN) sono estese con rappresentazioni neurali implicite (INR) spaziotemporali
- Il metodo migliora accuratezza, fluidità e coerenza fisica della stima dei parametri di perfusione
- Applicato all'imaging di risonanza magnetica cardiaca (CMR)
- Adattare modelli cinetici del tracciante a dati MR di contrasto dinamico è un problema inverso impegnativo
- Le PINN sono state precedentemente proposte come alternativa al fitting ai minimi quadrati non lineari
- Validato su dataset CMR simulati realistici
- Il lavoro è un annuncio cross-type su arXiv
Entità
Istituzioni
- arXiv