FLAIR MR Image Synthesis By Using 3D Fully Convolutional Networks for Multiple Sclerosis

Creators: Wei, Wen; Poirion, Emilie; Bodini, Benedetta; Durrleman, Stanley; Colliot, Olivier; Stankoff, Bruno; Ayache, Nicholas

Others:: Algorithms, models and methods for images and signals of the human brain (ARAMIS) ; Sorbonne Université (SU)-Inria de Paris ; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut du Cerveau = Paris Brain Institute (ICM) ; Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-CHU Pitié-Salpêtrière [AP-HP] ; Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Sorbonne Université (SU)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-CHU Pitié-Salpêtrière [AP-HP] ; Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS); E-Patient : Images, données & mOdèles pour la médeciNe numériquE (EPIONE) ; Inria Sophia Antipolis - Méditerranée (CRISAM) ; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria); Institut du Cerveau = Paris Brain Institute (ICM) ; Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-CHU Pitié-Salpêtrière [AP-HP] ; Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Sorbonne Université (SU)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)

Description

Synopsis. Fluid-attenuated inversion recovery (FLAIR) MRI pulse sequence is used clinically and in research for the detection of WM lesions. However,in a clinical setting, some MRI pulse sequences can be missing because of patient or time constraints. We propose 3D fully convolutional neural networks to predict a FLAIR MRI pulse sequence from other MRI pulse sequences. We evaluate our approach on a real multiple sclerosis disease dataset by assessing the lesion contrast and by comparing our approach to other methods. Both the qualitative and quantitative results show that our method is competitive for FLAIR prediction.

Abstract

International audience

FLAIR MR Image Synthesis By Using 3D Fully Convolutional Networks for Multiple Sclerosis

Description

Abstract

Additional details