基于 Ziv-Zakai 界限的磁共振指纹化优化
图像与视频处理
2024-10-11 v2 定量方法
应用统计
摘要
磁共挆指纹化 (MRF) 作为磁共挆成像 (MRI) 中的一种有前景的定量成像技术，能够通过单次采集同时获取多个组织参数图，为组织特性提供全面洞察。序列优化对于提高 MRF 的准确性和效率至关重要。本文提出了一种基于 Ziv-Zakai 界限 (ZZB) 的 MRF 序列优化框架。与旨在提高单个指纹信号质量（具有确定性参数）的 Cram\'er-Rao 界限 (CRB) 不同，ZZB 提供了评估 MRF 中指定参数范围内两组指纹信号最小不匹配概率的洞察。具体地，推导了明确的 ZZB 以建立指纹信号匹配过程中判别误差的下界。该界限阐明了 MRF 序列的内在局限性，从而促进了对现有序列性能的更深入理解。随后，基于 ZZB 的最佳实验设计问题被提出，以确定采集参数的最优方案，最大化 MRF 在不同组织类型之间的判别能力。初步数值实验表明，优化后的 ZZB方案在多个参数图的重建准确性方面优于传统方案和 CRB 方案。
关键词
引用
@article{arxiv.2410.06624,
title = {Optimized Magnetic Resonance Fingerprinting Using Ziv-Zakai Bound},
author = {Chaoguang Gong and Yue Hu and Peng Li and Lixian Zou and Congcong Liu and Yihang Zhou and Yanjie Zhu and Dong Liang and Haifeng Wang},
journal= {arXiv preprint arXiv:2410.06624},
year = {2024}
}
备注
Accepted at 2024 IEEE International Conference on Imaging Systems and Techniques (IST 2024)