主成分分析图像去噪在多指数 MRI 弛豫测量中的评估
医学物理
2019-03-22 v2
摘要
目的：多指数弛豫测量是表征组织的强有力工具，但通常要求高图像信噪比（SNR）。本工作评估使用主成分分析（PCA）去噪来缓解这些 SNR 需求并提高弛豫测量参数的精度。方法：使用模拟和实验 MRI 数据评估 PCA 去噪。对大范围采集与样本参数模拟了双指数横向弛豫信号，并从三只离体固定小鼠脑获取实验数据。两种情况下均对原始与去噪图像数据执行标准弛豫测量分析，并比较所得估计信号参数。结果：对于典型采集与样本参数，去噪将多指数弛豫测量估计参数的均方根误差降低了 2 至 4 倍。去噪图像及后续参数图几乎未显示或没有空间伪影或分辨率损失迹象。结论：实验研究与模拟表明，MRI 弛豫测量数据的 PCA 去噪是在不牺牲图像分辨率的前提下提高参数精度的有效方法。这一简单而重要的处理步骤从而为多指数 MRI 弛豫测量的更广泛应用铺平了道路。
引用
@article{arxiv.1903.08140,
title = {Evaluation of principal component analysis image denoising on multi-exponential MRI relaxometry},
author = {Mark D. Does and Jonas Lynge Olesen and Kevin D. Harkins and Teresa Serradas Duarte and Daniel F. Gochberg and Sune N. Jespersen and Noam Shemesh},
journal= {arXiv preprint arXiv:1903.08140},
year = {2019}
}