动脉自旋标记MRI的运动校正高分辨率解剖辅助（MOCHA）重建
医学物理
2019-10-01 v1 图像与视频处理
摘要
提出一种基于模型的重建框架，用于ASL数据的运动校正高分辨率解剖辅助（MOCHA）重建。在该框架中，所有低分辨率ASL控制-标记对被用于重建单张高分辨率脑血流量（CBF）图，并校正刚体运动、点扩散函数（PSF）模糊与部分容积效应（PVE）。招募六名志愿者使用PCASL标记、2-shot 3D-GRASE序列与高分辨率T1加权MRI进行CBF成像。对其中两名志愿者，额外采集了分区方向双倍与三倍分辨率的高分辨率扫描。设计仿真以对照高分辨率ground-truth CBF图进行评估，包括模拟的高灌注病灶与高/低灌注异常。将MOCHA与标准重建及一种3D线性回归（3DLR）PVE校正方法比较，并进一步针对减少控制-标记对与k空间欠采样采集进行评估。低分辨率ASL数据的MOCHA重建显示出增强的图像质量，尤其在分区方向。仿真中，MOCHA与3DLR均比标准重建提供更准确的CBF图，但MOCHA误差最低且清晰勾勒异常。标准分辨率体内数据的MOCHA重建与需4倍及9倍更长采集的高分辨率扫描吻合良好。发现MOCHA对通过减少控制-标记对或k空间欠采样实现的4倍加速ASL采集具有鲁棒性。结论：MOCHA重建通过在高分辨率对应解剖图像空间中直接重建CBF图并融入运动校正与PSF建模，减少了PVE。经进一步评估后，MOCHA应促进ASL的临床应用。
引用
@article{arxiv.1909.13166,
title = {Motion-corrected and high-resolution anatomically-assisted (MOCHA) reconstruction of arterial spin labelling MRI},
author = {Abolfazl Mehranian and Colm J. McGinnity and Radhouene Neji and Claudia Prieto and Alexander Hammers and Enrico De Vita and Andrew J. Reader},
journal= {arXiv preprint arXiv:1909.13166},
year = {2019}
}
备注
Original paper