通过端到端学习控制 3D FSE 在 7T 下 的锐度、信噪比与SAR
医学物理
2024-10-01 v1 机器学习
系统与控制
图像与视频处理
系统与控制
摘要
目的：非统计性地识别专门的可变翻转角（VFA）方案，以优化 7T 多组织 3D FSE 序列在点扩散函数（PSF）和信噪比（SNR）上的表现。方法：所提出的优化考虑了预定义的SAR约束和目标对比度，采用端到端学习框架。成本函数集成了对比保真度（SNR）和最小化图像模糊（PSF）的多个组织的惩罚项。通过调整PSF/SNR成本函数分量的权重，导出PSF和SNR优化后的VFA，并在两个志愿者使用开源Pulseq标准以及三个志愿者在配备平行发射扩展的 7T MRI 系统上采用厂商协议进行了原位测试。结果：PSF优化后的VFA相对于标准VFA显著降低了T2加权图像的模糊，同时保持了对比度保真度。小白质和灰质结构以及血管在PSF优化VFA下更清晰可见。定量分析表明，优化后的VFA相对于标准VFA的PSF偏离 sinc 型参考PSF降低了50%。SNR优化后的VFA在白质和灰质区域的图像信噪比显著提升（分别为81.2±18.4 与41.2±11.5），以图像模糊增加为代价。结论：本研究表明端到端学习框架在 7T 下 3D FSE 采集中优化PSF和SNR具有潜力，为在PSF与SNR之间实现快速灵活的权衡提供了方法。
引用
@article{arxiv.2409.20251,
title = {Controlling sharpness, SNR and SAR for 3D FSE at 7T by end-to-end learning},
author = {Peter Dawood and Martin Blaimer and Jürgen Herrler and Patrick Liebig and Simon Weinmüller and Shaihan Malik and Peter M. Jakob and Moritz Zaiss},
journal= {arXiv preprint arXiv:2409.20251},
year = {2024}
}
备注
Submitted to Magnetic Resonance in Medicine for peer-review