英国生物银行腹部磁共振成像的图像处理与质量控制

本文为英国生物银行（UK Biobank）针对首批 38,971 名参与者使用的腹部 MRI 协议，提出一个端到端的图像分析流程。重点在于确保产出高水平数据质量和一致性的处理步骤，以便为下游定量分析（如分割和参数估计）准备数据集。已纳入质量控制程序，以检测并在可能的情况下纠正原始数据中的问题。通过深度学习模型检测 Dixon 序列中的脂肪-水互换，并自动纠正。使用基于混合图谱配准和深度学习的模型预测肩、髋和膝关节的骨关节。利用单层多回波序列的幅度和相位信息，同时估计质子密度脂肪分数和横向弛豫率（R2*）。约 98.1% 的两点 Dixon 采集被成功处理并通过质量控制，高分辨率 T1 加权 3D 容积的成功率为 99.98%。约 99.98% 覆盖肝脏的单层多回波采集被成功处理并通过质量控制，覆盖胰腺的单层多回波采集成功率为 97.6%。在 1.8% 的参与者中检测到至少一次脂肪-水互换。关于骨关节，约 3.3% 的参与者缺失至少一个膝关节，0.8% 缺失至少一个肩关节。对于同时接受两种肝脏单层多回波采集协议的参与者，识别出两种协议之间的系统性差异，并使用多元线性回归对其建模。本文提出的发现对于寻求使用腹部 MRI 协议中图像衍生表型的科学家将具有宝贵价值。