利用深度卷积神经网络自适应调整绝热脉冲功率以提升 7T FLAIR 的 SAR 效率
图像与视频处理
2020-11-25 v1 医学物理
摘要
目的：本研究的目的是展示一种在 7T T2-FLAIR MRI 序列中降低比吸收率（SAR）的方法，通过预测所需的绝热脉冲功率并以逐层方式缩放幅度。方法：我们在 T2-FLAIR 序列中使用 TR-FOCI 绝热脉冲进行自旋反转，以改善 B1+ 均匀性，并计算逐层绝热所需的脉冲功率以最小化 SAR。利用标准定位扫描中固有的 B1+ 不均匀性，在八名志愿者中采集了 3D AutoAlign 定位像和 SA2RAGE B1+ 图。随后训练卷积神经网络（CNN）从定位像预测 B1+ 分布，并计算各层的脉冲功率缩放因子。在横断、矢状和冠状方位上评估了预测 B1+ 分布的能力以及所得脉冲缩放因子对 FLAIR 反转效率的影响。结果：预测的 B1+ 图与实测 B1+ 图在所有层上平均差异为 4.45%。横断方位的采集对该方法最有效，在不降低图像质量的前提下使 SAR 降低 40%，扫描时间减少 1 分 30 秒（28%）。结论：我们提出了一种基于 CNN 从标准定位扫描预测 B1+ 分布来降低 SAR 的技术，并表明在 7T FLAIR 序列中逐层缩放反转脉冲功率可在不损害图像质量的情况下降低 SAR 和扫描时间。
引用
@article{arxiv.1911.08118,
title = {Improving FLAIR SAR efficiency at 7T by adaptive tailoring of adiabatic pulse power using deep convolutional neural networks},
author = {Shahrokh Abbasi-Rad and Kieran O'Brien and Samuel Kelly and Viktor Vegh and Anders Rodell and Yasvir Tesiram and Jin Jin and Markus Barth and Steffen Bollmann},
journal= {arXiv preprint arXiv:1911.08118},
year = {2020}
}