无需脑提取的基于学习的单步定量磁化率映射重建
图像与视频处理
2019-05-16 v1 人工智能
摘要
定量磁化率映射（QSM）从 MRI 梯度回波相位信号估计底层组织磁化率，通常需要若干处理步骤。这些步骤涉及相位解缠、脑体积提取、背景相位去除以及求解一个不适定逆问题。所得的磁化率图已知在脑组织边缘附近存在不准确性，部分由于不完美的脑提取、脑组织的边缘侵蚀以及脑外相位测量的缺失。这种不准确性因此阻碍了 QSM 用于测量脑边缘附近组织的磁化率，例如量化皮层分层和生成浅表静脉造影。为应对这些挑战，我们提出了一种基于学习的 QSM 重建方法，直接从总相位图像估计磁化率而无需脑提取和背景相位去除，称为 autoQSM。该神经网络具有改进的 U-net 结构，并使用由两步 QSM 方法计算的 QSM 图进行训练。采用 209 名年龄介于 11 至 82 岁的健康受试者进行分块网络训练。该网络在与训练数据相异的数据上进行了验证，例如体内小鼠脑数据和带病变的脑数据，这表明网络已泛化并学习了磁场扰动与磁化率之间的潜在数学关系。AutoQSM 能够恢复脑边缘附近解剖结构（包括覆盖皮层表面的静脉、脊髓和小鼠脑边界附近的神经束）的磁化率。高质量图、无需脑体积提取以及高重建速度的优势展示了其未来应用的潜力。
引用
@article{arxiv.1905.05953,
title = {Learning-based Single-step Quantitative Susceptibility Mapping Reconstruction Without Brain Extraction},
author = {Hongjiang Wei and Steven Cao and Yuyao Zhang and Xiaojun Guan and Fuhua Yan and Kristen W. Yeom and Chunlei Liu},
journal= {arXiv preprint arXiv:1905.05953},
year = {2019}
}
备注
26 pages