基于同步感知与深度学习预测的射频无屏蔽MRI鲁棒电磁干扰消除方法
信号处理
2023-01-06 v2 仪器与探测器
摘要
目前，MRI扫描在完全封闭的射频屏蔽室内进行，这带来了严格的安装要求并造成患者不必要的不适。我们旨在开发一种用于无或不完整射频屏蔽MRI的电磁干扰（EMI）消除策略。本研究提出了一种同步感知与深度学习驱动的EMI消除策略，用于对采集的MRI信号中的EMI信号进行建模、预测和去除。具体而言，在每次MRI扫描期间，放置于不同空间位置的独立EMI感知线圈用于在两个时间窗（常规MRI信号采集窗和EMI特征采集窗）内同时采样环境与内部EMI信号。随后，利用EMI特征数据训练一个CNN模型，以建立EMI感知线圈检测到的EMI信号与MRI接收线圈中EMI信号之间的关联。该模型用于回顾式预测并去除MRI信号采集窗期间MRI接收线圈检测到的EMI信号分量。我们在一台移动式超低场0.055 T永磁MRI扫描仪和一台无或不完整射频屏蔽的1.5 T超导磁体MRI扫描仪上针对多种EMI源实现并演示了该策略。实验结果表明，该方法在0.055 T（2.3 MHz）和1.5 T（64 MHz）下均能高效且鲁棒地预测并去除来自外部环境和内部扫描仪电子器件的各类EMI源，所得最终图像信噪比与采用完全封闭射频屏蔽时相当。我们提出的策略使得MRI可在无或不完整射频屏蔽下运行，从而缓解MRI的安装与操作要求。它也有潜力应用于存在外部与内部EMI或射频源时其他需要精确射频信号检测或分辨的场景。
引用
@article{arxiv.2210.06730,
title = {Robust Electromagnetic Interference (EMI) Elimination via Simultaneous Sensing and Deep Learning Prediction for RF Shielding-free MRI},
author = {Yujiao Zhao and Linfang Xiao and Vick Lau and Yilong Liu and Alex T. Leong and Ed X. Wu},
journal= {arXiv preprint arXiv:2210.06730},
year = {2023}
}
备注
Submitted to NMR in Biomedicine