発散フリーのニューラルネットワークを用いた教師なし4D Flow MRIの速度強調とアンラッピング

要旨: 本研究では、4D Flow 磁気共鳴画像法（4D Flow MRI）向けの教師なしの発散とエイリアシングを回避するニューラルネットワーク（DAF-FlowNet）を提案する。この手法は、ノイズを含む速度場を同時に高品質化し、位相ラッピングのアーティファクトを補正する。DAF-FlowNet は速度をベクトルポテンシャルの回転（curl）としてパラメータ化し、構成により質量保存を強制することで、発散ペナルティの明示的なチューニングを不要にする。コサインのデータ整合性損失により、ラップ位相画像からの同時なデノイズとアンラッピング（アンラップ）を可能にする。計算流体力学から生成した合成の大動脈 4D Flow MRI において、DAF-FlowNet は既存手法よりも誤差が低く（ノイズレベル全体で、速度正規化RMSEで最大11%低い、方向誤差で最大11%低い、発散で最大44%低い）、中程度のセグメンテーション擾乱に対する頑健性も示した。アンラッピングについては、最大速度／速度エンコード比が 1.4 および 2.1 のとき、DAF-FlowNet は残留ラップボクセルをそれぞれ 0.18% および 5.2% とし、最良の代替手法に比べてそれぞれ 72% および 18% の低減に相当した。ノイズとエイリアシングの両方が存在する状況では、提案する単段階の定式化が、最先端の逐次パイプラインよりも優れた性能を示した（速度正規化RMSEで最大15%低い、方向誤差で最大11%低い、発散で最大28%低い）。10 の肥大型心筋症患者データセットにおいて、DAF-FlowNet は微細な流れの特徴を保持し、エイリアス領域を補正し、内部の流れの整合性を改善した。これは、4D Flow MRI コンセンサスガイドラインで推奨されている大動脈および肺の質量保存解析において、平面間の流れバイアスが低減されたことによって示される。これらの結果は、DAF-FlowNet が、速度の強調（enhancement）と位相アンラッピングを統合して、心血管 4D Flow MRI の信頼性を高める枠組みであることを支持する。