动脉自旋标记中带联合空间正则化的非线性拟合

多延迟单次动脉自旋标记（ASL）成像可提供准确的脑血流量（CBF），此外还可提供动脉通过时间（ATT）图，但其固有的低信噪比可能带来挑战。尤其是使用非线性最小二乘的标准拟合常在低信噪比区域失败，导致定量图的估计含噪。最先进的拟合技术通过在估计过程中引入先验知识来提高信噪比，这通常会导致空间模糊。为此，我们提出了一种新方法，对 CBF 和 ATT 施加联合空间全广义变分正则化。这种联合正则化方法利用各图之间共享的空间特征来增强锐度，同时改善最终估计中的噪声抑制。所提方法在三个层面上进行了评估：首先在包含病灶的合成体模数据上，接着在健康志愿者的体内采集上，最后在缺血性卒中后的患者数据上。定量估计与两种参考方法进行了比较，即非线性最小二乘拟合和一种基于贝叶斯推断的最先进 ASL 量化算法。所提联合正则化方法优于参考实现，在保持估计锐度和定量准确性的同时，大幅提高了 CBF 和 ATT 中的信噪比。