用于单步定量磁化率成像的弱监督学习

定量磁化率成像（QSM）利用 MRI 相位信息来估计组织磁化率。QSM 的生成需要求解病态的背景场去除（BFR）和场到源反演问题。由于当前 QSM 技术在临床环境中难以生成可靠的 QSM，其临床转化受到极大阻碍。近来，用于 QSM 重建的深度学习（DL）方法展现出令人印象深刻的性能。由于本质上不存在真实标签，这些 DL 技术要么使用通过多方向采样磁化率计算（COSMOS）图、要么使用合成数据进行训练，其受限于 COSMOS 图的可用性与准确性，或在训练数据与测试数据域不同时存在域偏移。为应对这些局限，我们提出一种弱监督单步 QSM 重建方法，记为 wTFI，以直接从总场重建 QSM 而无需 BFR。wTFI 使用 BFR 方法 RESHARP 的局部场作为监督，对局部组织场与 QSM 进行多任务学习，并能够在 RESHARP 中被侵蚀的脑边缘附近恢复磁化率估计，实现全脑 QSM 估计。定量与定性评估表明，wTFI 可在多种神经成像场景中生成高质量的局部场与磁化率图。