Методы глубокого обучения для визуализации движущихся органов или тканей в реальном времени без контрастных веществ и радиации.Неинвазивная динамическая визуализация относится к методам глубокого обучения, которые позволяют получать изображения движущихся органов или тканей в реальном времени без необходимости использования контрастных веществ, ионизирующего излучения или инвазивных процедур. Это значительный прогресс, поскольку традиционная динамическая визуализация часто relies на контрастных красителях (которые несут риски) или повторном радиационном облучении (что вредно). Используя нейронные сети, эти методы могут реконструировать высококачественные изображения из разреженных или слабосигнальных данных, что позволяет безопасно и непрерывно наблюдать физиологические движения, такие как бьющееся сердце или сокращающийся мочевой пузырь.
Подход возник в середине 2010-х годов с появлением глубокого обучения в медицинской визуализации, особенно для реконструкции МРТ. Конкретное применение к динамической визуализации без контраста активно развивается примерно с 2018 года.
Эти методы обычно используют глубокое обучение для улучшения изображений низкого качества или для реконструкции полных изображений из недостаточно сэмплированных данных. Например, в МРТ сеть может научиться заполнять недостающие данные в k-пространстве, что позволяет ускорить сбор данных и захватывать движение без размытия. В ультразвуковой или оптической визуализации нейронные сети могут отделять сигнал от шума, позволяя проводить визуализацию без контрастных веществ за счет обнаружения тонких внутренних контрастов, таких как кровоток или изменения плотности тканей.
Это используется в кардиальной МРТ для визуализации движения сердца в реальном времени, а также в визуализации мочевого пузыря для изучения наполнения и сокращения без катетеризации или контрастного вещества.
Некоторые из этих методов могут визуализировать цикл сокращения мочевого пузыря, используя только естественный контраст от мочи, что исключает необходимость в любых внешних агентах.












