モデルの予測フィルタリングMR温度イメージングは,レーザー誘発インタースティシャル熱療法のためのモデル予測フィルタリングMR温度イメージングです

科学分野:

• メディカルイマージング (医学イメージング)
• バイオメディカルエンジニアリング
• 熱療法は熱療法である.

背景:

• レーザーインタースティシャル熱療法 (LITT) は,正確な温度モニタリングが必要です.
• 現在の磁気共鳴温度イメージング (MRTI) 方法は,十分な時間解像度が欠けている可能性があります.
• 効果的なLITT除去ガイドラインを確立するために,MRTIのタイムラル解像度を向上させることが不可欠です.

研究 の 目的:

• MRTIの時間解像度を高めるためのモデル予測フィルタリング (MPF) 方法を評価する.
• LITT消去のモニタリングにおけるMPFの有用性を評価する.
• LITT.の間,MPFが体積温度画像を改善できるかどうかを判断する.

主な方法:

• グリーンの関数アプローチとペンネス生物熱方程式を用いて,MPF方法を開発しました.
• モデル化されたLITT加熱と補完されたサブサンプリングのk空間データ.
• ファンタムおよび臨床LITTデータでMPFを評価し,熱量および最も熱いヴォクセル解析による再構築の正確性を評価した.

主要な成果:

• MPFは,ファンタムデータにおいて高い時間解像度を達成し,好ましい最熱のヴォクセル精度と熱量一致 (DSC ≥0.7) を達成した.
• In vivoデータでは,直角のスライスに対して優れた熱量一致 (DSC > 0.9) が示されました.
• MPFは,サブサンプリング因数3までの最高ホットなヴォクセル精度 (RMSE ≤1°C) を高め,精度が5まで維持された.

結論:

• MPFアルゴリズムは,時間の解像度を犠牲にすることなく,広い視野の体積温度イメージングを可能にします.
• MPFは,双平面的な臨床データを用いて,LITTモニタリングのin vivoで良好な精度を示しています.
• MPFは,LITTの手続き中にMRTIを改善するための有望な技術です.