Tıbbi görüntüleme alanında önemli bir gelişme yaşanırken, araştırmacılar hızlandırılmış MR görüntüleme sistemlerinin çözünürlüğünü değerlendirmek için derin öğrenme tabanlı yeni bir yaklaşım geliştirdi.
Geliştirilen model gözlemci sistemi, çok bobinli paralel MRI sistemlerini farklı hızlandırma faktörlerinde değerlendiriyor. Araştırma ekibi, sentetik beyin görüntülerinin beyaz madde bölgelerine Gaussian konvolüsyonlu çift ve tekli sinyaller yerleştirerek sistemin performansını test etti.
Çalışmada üç farklı hızlandırma faktörü kullanıldı: tam örnekleme (bir), dört ve sekiz kat hızlandırma. Elde edilen ham veriler, geleneksel kare-karelerin-toplamının-kökü yöntemi ve U-Net yöntemi kullanılarak yeniden yapılandırıldı.
Derin öğrenme modeli önce tam örneklenmiş görüntülerle eğitildi, ardından transfer öğrenme yaklaşımıyla her hızlandırma faktörü için yeniden eğitildi. İnsan-etiket hizalama eğitim stratejisi kullanılarak, modelin eğitimli insan okuyucularla benzer ayırt etme performansı gösterdiği tespit edildi.
Bu gelişme, MR görüntüleme teknolojisinin kalite kontrolü ve geliştirilmesi açısından önemli bir adım teşkil ediyor. Hızlandırılmış görüntüleme yöntemlerinin çözünürlük kalitesini objektif olarak değerlendirme imkanı sağlayarak, tıbbi teşhis süreçlerinin iyileştirilmesine katkıda bulunuyor.