mcLARO：用于同步定量多参数映射的多对比度学习式采集与重建优化
图像与视频处理
2023-11-28 v1
摘要
目的：开发一种利用多对比度学习式采集与重建优化（mcLARO）在单次扫描中快速实现亚毫米级 T1、T2、T2* 和 QSM 映射的方法。方法：通过交错反转恢复与 T2 磁化准备以及单回波和多回波梯度回波采集设计了一种脉冲序列，使 k 空间数据对 T1、T2、T2* 和磁化率敏感。所提出的 mcLARO 使用深度学习框架基于图像特征融合优化多对比度 k 空间欠采样模式与图像重建。所提出的 R=8 欠采样的 mcLARO 在以全采样数据作为参考的回顾性消融研究中进行了验证，并在以单独采集的常规采样定量图作为参考标准的前瞻性研究中进行了评估。结果：回顾性消融研究表明，与不含多对比度采样模式优化或图像特征融合的基线网络相比，mcLARO 提升了图像锐度，且欠采样重建相对于全采样重建在区域 T1、T2、T2* 和 QSM 值上偏差可忽略且 95% 一致性界限狭窄。前瞻性研究表明，与参考扫描（总计 40:03 分钟）相比，mcLARO（5:39 分钟）在区域 T1、T2、T2* 和 QSM 值上具有微小或可忽略偏差及狭窄的 95% 一致性界限。结论：mcLARO 可在单次扫描中快速实现亚毫米级 T1、T2、T2* 和 QSM 映射。
引用
@article{arxiv.2304.03458,
title = {mcLARO: Multi-Contrast Learned Acquisition and Reconstruction Optimization for simultaneous quantitative multi-parametric mapping},
author = {Jinwei Zhang and Thanh D. Nguyen and Eddy Solomon and Chao Li and Qihao Zhang and Jiahao Li and Hang Zhang and Pascal Spincemaille and Yi Wang},
journal= {arXiv preprint arXiv:2304.03458},
year = {2023}
}