Perfusion MRI is an imaging technique to assess hemodynamic status of a patient. The routine clinical protocol for perfusion MRI is a contrast agent based imaging technique called dynamic susceptibility contrast MRI (DSC MRI). The current DSC MRI imaging technique has a few weaknesses, including its requirement of contrast agent injection, inaccurate approximation of perfusion parameters, a lack of standardized artefact correction methods, and variability in AIF selection.
This dissertation mainly focuses on addressing the aforementioned weaknesses by applying deep learning solutions. First, a method to acquire perfusion information from dynamic angiographic data is proposed, resolving the requirement of additional contrast agent injection while also making clinical protocol for stroke diagnosis shorter. Second, a simulation-based physics-informed neural network is proposed, which addresses the inaccuracy in approximating perfusion parameters while also being accurate across a wider range of noise levels and requiring shorter processing time. Third, various generative artificial intelligence methods are tested to recover DSC MRI data in various artefacts cases. Lastly, a simulation-based deep learning method is proposed for automatic AIF selection that is more accurate and reduce the need for manual selection. With these technical developments, DSC MRI analysis can be done quickly with minimal human intervention but still reliable, and robust for real clinical application.
관류 MRI는 환자의 혈역학적 상태를 평가하는 영상 기술입니다. 관류 MRI의 일상적인 임상 프로토콜은 DSC MRI 라고 불리는 조영제 기반 영상 기술입니다. 현재 DSC MRI 영상 기술에는 조영제 주입 요구 사항, 관류 매개 변수의 부정확한 근사치, 표준화된 인공물 보정 방법 부족, AIF 선택의 가변성 등 몇 가지 약점이 있습니다.
본 논문은 주로 딥러닝 솔루션을 적용하여 앞서 언급한 약점을 해결하는 데 중점을 두고 있습니다. 첫째, 동적 혈관 조영 데이터로부터 관류 정보를 획득하는 방법을 제안하여 추가 조영제 주입 요구 사항을 없애 뇌졸중 진단을 위한 임상 프로토콜을 단축합니다. 둘째, 관류 매개변수 근사치의 부정확성을 해결하는 동시에 더 넓은 범위의 소음 수준에서 정확하고 더 짧은 처리 시간이 필요한 시뮬레이션 기반 물리 정보 신경망이 제안됩니다. 셋째, 다양한 인공물 사례에서 DSC MRI 데이터를 복구하기 위해 다양한 생성 인공 지능 방법을 테스트합니다. 마지막으로, 보다 정확하고 수동 선택의 필요성을 줄이는 자동 AIF 선택을 위한 시뮬레이션 기반 딥러닝 방법을 제안합니다. 이러한 기술 개발을 통해 DSC MRI 분석은 사람의 개입을 최소화하면서 신속하게 수행할 수 있지만 실제 임상 적용에는 여전히 안정적이고 견고합니다.
