一种基于 B 样条插值的定量 MRI 多参数映射高效方法

同时估计多个物理参数的定量 MRI 方法通常需要拟合通过 Bloch 方程定义的计算复杂信号模型。如 MR Fingerprinting 中所用，可通过将测量信号与在离散参数网格上预计算的信号字典匹配来避免重复的 Bloch 模拟。然而，准确估计需要以高分辨率离散化每个参数，并因此带来字典生成、存储和匹配的高计算与内存成本。此处，我们通过 B 样条插值在网格点之间近似信号来降低所需参数分辨率。插值与它的梯度被高效求值，从而实现用于参数映射的最小二乘拟合方法。在获得用户指定插值精度的同时，每个参数的分辨率被最小化。该方法通过体模和活体实验评估，使用全采样和欠采样的非平衡（FISP）MR Fingerprinting 采集。Bloch 模拟包含了弛豫效应（$T_1,T_2$）、质子密度（$PD$）、接收机相位（$\phi_0$）、发射场不均匀性（$B_1^+$）和层剖面。参数图与字典匹配所得者比较，其中字典匹配的参数分辨率被选为获得相似信号（插值）精度。对于体模和活体采集，所提方法近似了通过字典匹配获得的参数图，同时将各维度（$T_1,T_2,B_1^+$）的参数分辨率平均降低一个数量级。实际上，所用字典从 1.47 GB 缩减到 464 KB。带 B 样条插值的字典拟合降低了基于字典方法的计算与内存成本，因此是多参数映射的一种有前景的方法。