贝叶斯方法提高 GRAPPA 并行 FMRI 图像重建信噪比与任务检测功效
应用统计
2024-05-27 v1
摘要
在 FMRI 中，捕获任务期间的脑激活取决于 k 空间数组获取速度。获取完整的 k 空间数组（通过逆傅里叶变换（IFT）重建为图像，构成体积图像）可能需要相当长的时间。亚采样 k 空间可减少获取时间，但会导致别名或“折叠”图像。GeneRalized Autocalibrating Partial Parallel Acquisition（GRAPPA）是一种并行成像技术，可从亚采样 k 空间数组生成完整图像。GRAPPA 使用局部插值权重（每扫描固定，随时间不变）来填充亚采样 k 空间的缺失空间频率。因此，我们提出了基于贝叶斯的方法的 GRAPPA（BGRAPPA），其中从先验校准 k 空间数组评估空间测量不确定性。利用先验信息估计缺失的空间频率值并重建为完整视野范围内的图像。我们的 BGRAPPA 技术成功重建了模拟和实验的单切片图像，伴随更少的伪影、降低的噪声导致信噪比（SNR）提高，以及任务检测功效增强。
引用
@article{arxiv.2405.15003,
title = {A Bayesian Approach to GRAPPA Parallel FMRI Image Reconstruction Increases SNR and Power of Task Detection},
author = {Chase J Sakitis and Daniel B Rowe},
journal= {arXiv preprint arXiv:2405.15003},
year = {2024}
}
备注
19 pages, 15 figures (23 pages and 19 figures including the supplementary material)