利用DESS MRI与核学习实现快速精准髓鞘水定量
医学物理
2018-09-25 v1 机器学习
摘要
目的：研究利用快速双回波稳态（DESS）扫描和带核的机器学习进行髓鞘水含量定量的可行性。方法：我们在扫描时间约束下，优化了稳态（SS）扫描的组合以精确估计两室信号模型的快弛豫信号分数ff。我们使用最近开发的基于核回归的快速参数估计方法（PERK）从优化的DESS采集中估计ff。我们在仿真、体内和离体研究中，将DESS PERK的ff估计与较长多回波自旋回波（MESE）采集得到的常规髓鞘水分数（MWF）估计进行比较。结果：仿真表明DESS PERK的ff估计器与MESE MWF估计器达到可比的误差水平。体内和离体实验表明，MESE MWF与DESS PERK的ff估计在白质髓鞘水含量上是定量可比的度量。据我们所知，这些实验首次展示了来自SS采集的髓鞘水图像与常规MESE MWF图像定量相似。结论：可设计快速DESS扫描组合以实现精确的ff估计。PERK非常适用于ff估计。DESS PERK的ff与MESE MWF估计是白质髓鞘水含量的定量相似度量。
引用
@article{arxiv.1809.08908,
title = {Fast, Precise Myelin Water Quantification using DESS MRI and Kernel Learning},
author = {Gopal Nataraj and Jon-Fredrik Nielsen and Mingjie Gao and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:1809.08908},
year = {2018}
}