Réseaux de neurones Deep Learning pour la simulation rapide de signaux IRM pour l'IRM Fingerprinting vasculaire - Archive ouverte HAL Accéder directement au contenu
Poster De Conférence Année : 2023

Deep Learning neural networks for fast simulation of MR signals in MR vascular Fingerprinting

Réseaux de neurones Deep Learning pour la simulation rapide de signaux IRM pour l'IRM Fingerprinting vasculaire

Résumé

L’IRM Fingerprinting vasculaire (MRvF) étend le concept de l’IRM Fingerprint (MRF) à l’estimation de paramètres vasculaires tels que la saturation en oxygène dans le sang, le volume sanguin cérébral ou le rayon des vaisseaux. Cette approche permet de reconstruire des images en comparant directement des acquisitions in vivo et des millions de simulations numériques qui miment les tissus du cerveau (dictionnaire) (Figure 1 ). Le calcul des effets de diffusion nécessaire au réalisme de telles simulations rend l’élaboration de dictionnaires MRvF chronophage et fastidieuse (plusieurs dizaines d’heures pour un dictionnaire). Face à ce challenge, nous proposons la mise en place de réseaux de neurones en substitution aux simulations numériques afin d’accélérer le développement et la recherche de nouvelles séquences MRvF. Ce travail porte sur la construction de réseaux de neurones profonds pour la génération rapide et précise de dictionnaires MRvF à partir d’une grille de paramètres souhaités et d’une séquence choisie. La première implémentation d’un réseau de type RNN (Recurrent Neural Network) montre de bons résultats pour la génération de signaux IRM pour un type de séquence prédéterminé. La Figure 2 montre un exemple de prédiction d’un signal pour un RNN de type GRU (Gradient Recurrent Unit). Sur un GPU de type NVIDIA Geforce RTX3060 12Go, la génération de plusieurs milliers de signaux IRM est de l’ordre de la seconde. Face à ces résultats encourageants, l’exploration de nouvelles architectures neuronales connues dans la littérature comme plus généralisables (GAN, Transformers) est envisagée pour la génération rapide de dictionnaires MRvF.
Fichier principal
Vignette du fichier
POSTER_IABM23.pdf (1.19 Mo) Télécharger le fichier
abstractIABM.pdf (111.06 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04278882 , version 1 (13-11-2023)

Identifiants

  • HAL Id : hal-04278882 , version 1

Citer

Thomas Coudert, Aurelien Delphin, Jan M. Warnking, Emmanuel Luc Barbier, Thomas Christen. Réseaux de neurones Deep Learning pour la simulation rapide de signaux IRM pour l'IRM Fingerprinting vasculaire. IABM 2023 - Colloque Français d'Intelligence Artificielle en Imagerie Biomédicale, Mar 2023, Paris Institut Curie, France. . ⟨hal-04278882⟩

Collections

UGA
28 Consultations
14 Téléchargements

Partager

Gmail Facebook X LinkedIn More