基于 Slab-shifting for Harmonized 3D Acquisition and Reconstruction with Profile Encoding Networks 的高保真 3D 多层板扩散 MRI

三维 (3D) 多层板成像是一种有前景的高分辨率体内扩散 MRI (dMRI) 方法，由于与短 TR (1-2 s) 兼容，提供最佳信噪比 (SNR) 效率。然而，由于非理想的层板选择性射频激励，层板边界会产生 artifact，这是一大挑战。非矩形层板轮廓会降低层板边界的信号强度，而轮廓重叠会在相邻层板之间引入 inter-slab 串扰，其中重复激励缩短了局部 TR，限制了 T1 恢复。为在不增加扫描时间的前提下缓解层板边界 artifact，我们在层板轮廓编码基础上提出 Slab-shifting for Harmonized 3D Acquisition and Reconstruction with Profile Encoding Networks (SHARPEN)。对于不同的扩散方向，SHARPEN 沿切片方向应用 inter-volume 场域 (FOV) 位移，以在不延长采集时间的前提下提供互补层板轮廓编码。通过利用位移采集之间的一致性以及已知层板轮廓和扩散图像的物理特性，层板轮廓由轻量级自监督神经网络估计，随后进行校正图像重建。SHARPEN 经过仿真和实测高分辨率体内数据验证，显示出准确的层板轮廓估计和稳健的边界 artifact 校正，即使存在 inter-volume 运动亦然。SHARPEN 不需要高质量的参考训练数据，支持 subject-specific 训练。其高效的 GPU 实现比 NPEN 更快更准确，产出的切片级定量轮廓与参考 2D 采集结果高度吻合。SHARPEN 在 3T 临床扫描仪上实现 0.7 mm 各向同性分辨率的高质量 dMRI，凸显其在神经科学研究中推动亚毫米 dMRI 的潜力。