基于自监督学习网络的多层同时扫描扩散张量成像去噪研究

摘要

目的探究自监督学习网络Patch2Self在多层同时扫描扩散张量成像(Multiband SENSE Diffusion Tensor Imaging,MB SENSE DTI)中降噪的可行性。方法招募24名健康志愿在3T MRI上进行MB SENSE(MB factor 4)DTI扫描。利用自监督学习网络Patch2Self、非局部均值法(Non-Local Means,NLM)和局部主成分分析法(Local Principal Component Analysis,LPCA)给MB SENSE DTI去噪。使用峰值噪声比(Peak Signal to Noise Ratio,PSNR)、结构相似度(Structural Similarity,SSIM)进行客观评价;由放射科医生对图像噪声、对比度、整体质量以及各向异性分数(Fractional anisotropy,FA)图的整体质量进行主观评价。结果在PSNR方面,Patch2Self优于NLM,但低于LPCA(P0.05);在对比度、整体质量和FA图的整体质量方面,Patch2Self优于NLM和LPCA(P<0.05)。结论自监督学习网络Patch2Self可以很好地完成去噪、保留脑部组织结构以及提高图像质量。