亚空间中的隐式回归用于高灵敏度 CEST 成像
图像与视频处理
2024-07-10 v1 计算机视觉与模式识别
摘要
化学交换饱和传递（CEST）MRI 通过可交换质子显著提升了对低浓度蛋白质和代谢物的检测能力。然而，CEST 的临床应用受限于获取数据中的低对比度和低信噪比（SNR）。作为 CEST 数据的后处理阶段，去噪能够有效提高 CEST 定量分析的准确性。本文通过将空间变异 z-光谱建模为低维子空间，引入基于隐式神经表示的亚空间隐式回归（IRIS），这是一种无监督去噪算法。在合成数据和体内数据上的实验表明，我们提出的方法在定性和定量性能上均优于其他 CEST 去噪方法。
引用
@article{arxiv.2407.06614,
title = {Implicit Regression in Subspace for High-Sensitivity CEST Imaging},
author = {Chu Chen and Yang Liu and Se Weon Park and Jizhou Li and Kannie W. Y. Chan and Raymond H. F. Chan},
journal= {arXiv preprint arXiv:2407.06614},
year = {2024}
}