灌注成像：一种数据同化方法
图像与视频处理
2020-09-09 v1 计算机视觉与模式识别
摘要
灌注成像（PI）在临床上用于评估中风和脑肿瘤。常用的基于磁共振成像（MRI）或计算机断层扫描（CT）的 PI 方法测量造影剂在血管中流动并进入组织所产生的效应。无造影剂的方法（例如基于体素内不相干运动的方法）也存在，但迄今尚未常规用于临床。这些方法依赖于估计动脉输入函数（AIF）来近似建模组织灌注，忽略了空间依赖性，且可靠估计 AIF 也并非易事，导致灌注测量的标准化存在困难。因此，在本工作中我们提出一种数据同化方法（PIANO），该方法估计平流-扩散模型的流速场和扩散场，以最佳解释造影剂动力学。PIANO 考虑了空间依赖性，既不需要估计 AIF，也不依赖于特定的造影剂团注形状。具体而言，我们提出了一种便捷的估计问题参数化方法、一种数值估计方法，并对 PIANO 进行了广泛评估。我们证明 PIANO 能够成功解决流速场和扩散场的歧义，并得出用于中风评估的灵敏测量指标，优于常规灌注测量。
引用
@article{arxiv.2009.02796,
title = {Perfusion Imaging: A Data Assimilation Approach},
author = {Peirong Liu and Yueh Z. Lee and Stephen R. Aylward and Marc Niethammer},
journal= {arXiv preprint arXiv:2009.02796},
year = {2020}
}
备注
Submitted to IEEE-TMI 2020