利用拉普拉斯赋能的深度神经网络从 MR 原始相位即时组织场与磁化率映射
图像与视频处理
2022-06-27 v3 医学物理
摘要
定量磁化率映射（QSM）是一种有价值的 MRI 后处理技术，可从相位数据量化人体组织的磁化率。然而，传统 QSM 重建流程涉及多个非平凡步骤，包括相位解缠、背景场去除和偶极子反演。这些中间步骤不仅增加重建时间，还放大噪声和误差。本研究开发了一种大模板拉普拉斯预处理基于深度学习的神经网络，用于从原始 MR 相位数据近即时定量场和磁化率映射（即 iQFM 和 iQSM）。所提出的 iQFM 和 iQSM 方法与已建立的重建流程在模拟和体内数据集上进行了比较。此外，还对颅内出血和多发性硬化患者进行了实验以测试新型神经网络的泛化能力。所提出的 iQFM 和 iQSM 方法在健康受试者中产生与多步方法相当的结果，同时显著提高了对具有大磁化率的颅内出血的重建精度。重建时间也大幅缩短，从多步方法的几分钟缩短到使用训练好的 iQFM 和 iQSM 神经网络的仅 30 毫秒。
引用
@article{arxiv.2111.07665,
title = {Instant tissue field and magnetic susceptibility mapping from MR raw phase using Laplacian enabled deep neural networks},
author = {Yang Gao and Zhuang Xiong and Amir Fazlollahi and Peter J Nestor and Viktor Vegh and Fatima Nasrallah and Craig Winter and G. Bruce Pike and Stuart Crozier and Feng Liu and Hongfu Sun},
journal= {arXiv preprint arXiv:2111.07665},
year = {2022}
}