用于优化与评估T1和T2弛豫测量MRI方法的统计框架

Yang Liu; John R. Buck; Shaokuan Zheng

用于优化与评估T1和T2弛豫测量MRI方法的统计框架

信号处理 2020-01-03 v1

作者: Yang Liu , John R. Buck , Shaokuan Zheng

摘要

本文提出一种统计框架，用于优化和评估定量MRI弛豫测量方法中MR参数 $T_1$ 与 $T_2$ 映射能力。该分析探讨了不同生物真实弛豫时间范围内，每单位扫描时间的固有MR参数估计精度，称为 $T_{1,2}$ 噪声比（TNR）效率。TNR效率依据Cramer-Rao界（CRB）定义，即参数估计方差的统计下界。对新TNR效率定义进行几何解释，揭示了一个更完备的模型，描述了控制 $T_1$ / $T_2$ 映射能力的因素。本文比较了包括反转恢复（IR）系列序列与Look-Locker（LL）序列的 $T_1$ 映射方法，以及包括自旋回波反转恢复（SEIR）与驱动平衡单脉冲 $T_1$ / $T_2$ 观测（DESPOT）序列的同步 $T_1$ 和 $T_2$ 映射方法。所有脉冲参数均被优化以在不同感兴趣的 $T_1$ 和 $T_2$ 范围内最大化TNR效率。采用 $T_1$ / $T_2$ 非线性最小二乘估计（NLSE）的蒙特卡洛模拟验证了关于估计器性能的理论预测。

关键词

定量MRI 弛豫测量 T1映射 T2映射 Cramer-Rao界 TNR效率脉冲序列优化

引用

@article{arxiv.2001.00094,
  title  = {A Statistical Framework for Optimizing and Evaluating MRI of T1 and T2 Relaxometry Approaches},
  author = {Yang Liu and John R. Buck and Shaokuan Zheng},
  journal= {arXiv preprint arXiv:2001.00094},
  year   = {2020}
}

备注

8 pages, 6 figures

用于优化与评估T1和T2弛豫测量MRI方法的统计框架

摘要

关键词

引用

备注

相关论文