基于聚焦导航 (fNAV) 的运动补偿全心冠状动脉磁共振血管成像
图像与视频处理
2020-10-28 v1 医学物理
摘要
背景:RSN 全心 CMRA 是一种估计并校正呼吸运动的技术。然而,RSN 仅限于一维刚性校正,对于具有复杂呼吸模式的患者往往不足。因此,本工作的目标是通过将三维运动信息与非刚性采集内数据校正结合到一个称为聚焦导航 (fNAV) 的框架中,来提高三维径向 CMRA 的鲁棒性与质量。方法:我们将 fNAV 应用于来自数值模拟的 500 个数据集、22 名健康志愿者和 549 名心脏病患者。我们将 fNAV 与相同数据的 RSN 和呼吸分辨 XD-GRASP 重建进行比较,并记录重建时间。运动精度以模拟中 fNAV 与真值的相关性、以及体内数据中 fNAV 与图像配准的相关性来衡量。血管锐度使用 Soap-Bubble 测量。最后,由盲法专家评审员对每套数据选出最佳图像来进行图像质量分析。结果:fNAV 图像的重建时间显著高于 RSN (6.1 +/- 2.1 分钟 vs 1.4 +/- 0.3 分钟,p<0.025),但显著低于 XD-GRASP (25.6 +/- 7.1 分钟,p<0.025)。所有数据集中 fNAV 与参考位移估计之间具有高度相关性 (0.73 +/- 0.29)。对于所有数据,fNAV 带来的血管锐度显著高于其他所有重建 (p < 0.01)。最后,盲法评审员在 571 例中的 239 例选择 fNAV 为最佳图像 (p = 10-5)。结论:fNAV 是一种有望改善自由呼吸三维径向全心 CMRA 的技术。这种呼吸自导航的新方法可从采集到的一维信号中推导出三维非刚性运动估计,相对于一维平移校正以及 XD-GRASP 重建在图像锐度上取得统计显著改善。
引用
@article{arxiv.2010.14206,
title = {Motion Compensated Whole-Heart Coronary Magnetic Resonance Angiography using Focused Navigation (fNAV)},
author = {Christopher W Roy and John Heerfordt and Davide Piccini and Giulia Rossi and Anna Giulia Pavon and Juerg Schwitter and Matthias Stuber},
journal= {arXiv preprint arXiv:2010.14206},
year = {2020}
}
备注
10 Figures, 1 Table