基于自导航螺旋的流形正则化方案在 3 特斯拉下前瞻性加速动态语音 MRI
图像与视频处理
2023-05-03 v2 音频与语音处理
医学物理
摘要
本工作提出一种基于自导航变密度螺旋（VDS）的流形正则化方案，以在前瞻性研究中改善 3T 下的动态语音 MRI。使用短读出 1.3ms 螺旋以最小化离共振。使用定制 16 通道语音线圈以改善声道的并行成像。流形模型利用了共享相似语音姿态的帧之间的相似性，而无需显式运动分箱。利用 VDS 的自导航能力来学习流形的拉普拉斯矩阵。重建被构建为基于 SENSE 的非局部软加权时间正则化方案。我们的方法对比了视共享、低秩、有限差分、基于额外维度的稀疏重建约束。在五名执行重复和任意说话任务且语速不同的志愿者上进行了欠采样实验。在回顾性欠采样数据上进行了基于运动边缘均方误差的定量评估。对于前瞻性欠采样，由三名语音研究专家在混叠伪影、空间模糊和时间模糊类别中进行盲法图像质量评估。在发音器官边界进行感兴趣区域分析以评估发音运动。我们的方案提供了优于其他方法的重建。通过前瞻性欠采样，实现了单切片成像 2.4mm²/像素的空间分辨率和 17.4 ms/帧的时间分辨率，以及 3 切片成像 52.2 ms/帧的时间分辨率。我们通过分析拉普拉斯矩阵的机理展示了隐式运动分箱。我们的方法在减少空间和时间模糊方面表现出优越的图像质量评分。虽然它表现出类似于时间有限差分的轻微混叠伪影，但相对于其余约束提供了统计显著的改进。
引用
@article{arxiv.2209.02768,
title = {Prospectively accelerated dynamic speech MRI at 3 Tesla using a self-navigated spiral based manifold regularized scheme},
author = {Rushdi Zahid Rusho and Abdul Haseeb Ahmed and Stanley Kruger and Wahidul Alam and David Meyer and David Howard and Brad Story and Mathews Jacob and Sajan Goud Lingala},
journal= {arXiv preprint arXiv:2209.02768},
year = {2023}
}
备注
32 pages, 10 figures