一种基于模型字典的磁性纳米粒子信号预测方法
信号处理
2025-09-03 v1
摘要
磁粒子成像（MPI）是一种基于示踪剂的医学成像模态，能够对磁性纳米粒子（MNP）的分布进行定量和空间映射。MNP的磁化响应取决于实验条件，如驱动场（DF）设置和介质粘度，以及MNP的磁性参数，如磁芯直径、水动力学直径和磁各向异性常数。全面理解MNP的磁化响应有助于针对特定MPI应用优化DF和MNP类型，而无需进行大量实验。在本工作中，我们提出了一种免校准的迭代算法，利用基于模型的字典来预测未测试条件下的MNP信号。字典由使用耦合Brown-Néel旋转模型模拟的MNP信号构建而成。基于可用测量数据，所提算法联合估计字典权重和由非模型动力学引起的传递函数。这些动力学包括测量装置的系统响应以及所采用的耦合Brown-Néel旋转模型未考虑的磁化动力学。该算法首先在信噪比（SNR）为1和10的合成信号上进行了验证，然后在自制的MPS装置上，使用两种商用MNP，在六种粘度水平（0.89-15.33 mPa.s）和0.25-2 kHz的DF频率下进行了测试。合成信号的验证表明，即使在SNR为1的情况下，也能准确估计权重和传递函数。MPS实验证明，能够成功预测未测试粘度下的MNP信号，对于两种测试的MNP，在所有DF设置下的NRMSE分别低于1.51%和3.5%。预测信号捕捉到了粘度依赖的趋势，且NWD值保持较低水平（两种测试MNP分别<0.10和<0.07），证实了权重估计的鲁棒性。
引用
@article{arxiv.2509.01127,
title = {A Model-Based Dictionary Approach for Magnetic Nanoparticle Signal Prediction},
author = {Asli Alpman and Mustafa Utkur and Emine Ulku Saritas},
journal= {arXiv preprint arXiv:2509.01127},
year = {2025}
}