SSL-QALAS：使用 3D-QALAS 的定量 MRI 快速多参数估计的自监督学习
图像与视频处理
2024-01-25 v2 信号处理
摘要
目的：开发并评估一种利用自监督学习（SSL）从 3D-QALAS（一种带有 T2 准备脉冲的交错 Look-Locker 采集序列的三维定量测量）测量中快速估计多参数 T1、T2、质子密度（PD）和反转效率（IE）图谱的方法，且无需外部字典。方法：开发了一种基于 SSL 的 QALAS 图谱映射方法（SSL-QALAS），用于从 3D-QALAS 测量中快速且无字典地估计多参数图谱。通过将估计的 T1 和 T2 值与 ISMRM/NIST 体模上参考方法获得的值进行比较，评估了使用字典匹配和 SSL-QALAS 重建的定量图谱的准确性。还在体内比较了 SSL-QALAS 和字典匹配方法，并通过比较扫描特定模型、预训练模型和迁移学习模型来评估泛化能力。结果：体模实验表明，字典匹配和 SSL-QALAS 方法产生的 T1 和 T2 估计值与 ISMRM/NIST 体模中的参考值具有强烈的线性一致性。此外，在体内数据重建 T1、T2、PD 和 IE 图谱方面，SSL-QALAS 表现出与字典匹配相似的性能。通过在 10 s 内使用预训练的 SSL-QALAS 模型对数据进行推断，实现了多参数图谱的快速重建。通过在 15 min 内用目标受试者的数据微调预训练模型，也证明了快速的扫描特定调优。结论：所提出的 SSL-QALAS 方法无需外部字典或标记的真值训练数据，即可实现从 3D-QALAS 测量中快速重建多参数图谱。
引用
@article{arxiv.2302.14240,
title = {SSL-QALAS: Self-Supervised Learning for Rapid Multiparameter Estimation in Quantitative MRI Using 3D-QALAS},
author = {Yohan Jun and Jaejin Cho and Xiaoqing Wang and Michael Gee and P. Ellen Grant and Berkin Bilgic and Borjan Gagoski},
journal= {arXiv preprint arXiv:2302.14240},
year = {2024}
}
备注
18 figures, 4 tables