基于 Transformer 的 Bloch-McConnell 方程模型参数拟合用于 CEST MRI 分析
机器学习
2026-02-09 v1 人工智能
摘要
化学交换饱和传递（CEST）MRI 是一种用于检测代谢物的无创成像模式，相较于传统磁共振谱术（MRS）具有更高的分辨率和灵敏度。然而，CEST 数据的定量分析具有挑战，因为测量信号源于众多生理变量之间的复杂相互作用。本文引入基于 Transformer 的神经网络，以拟合来自 Bloch-McConnell 方程推导的物理模型的参数，如代谢物浓度、交换速率和松弛速率，以拟合体外 CEST 谱数据。我们展示了自监督训练的神经网络在定量拟合方面明显优于经典梯度求解器的解决方案。
引用
@article{arxiv.2602.06574,
title = {Transformer-based Parameter Fitting of Models derived from Bloch-McConnell Equations for CEST MRI Analysis},
author = {Christof Duhme and Chris Lippe and Verena Hoerr and Xiaoyi Jiang},
journal= {arXiv preprint arXiv:2602.06574},
year = {2026}
}