用预先学习的子空间进行B1映射,用于定量脑成像
Tianxiao Zhang1, Yibo Zhao2,3, Wen Jin2,3
1School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
Magnetic resonance in medicine
|June 22, 2023
概括
本研究介绍了一种机器学习方法,用于估计发射器和接收器B1场,以纠正脑成像中的B1不均性. 这种方法可以提高幻影,健康受试者和脑瘤患者的定量成像准确度.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 定量脑成像技术 脑成像技术
背景情况:
- B1 场的不均性是定量脑成像的一个重大挑战,影响准确性.
- 对发射器 (B1t) 和接收器 (B1r) 场的准确估计对于有效的B1不均性纠正至关重要.
研究的目的:
- 开发一种基于机器学习的新方法,用于估计发射器和接收器B1字段.
- 改善B1不均质效应在定量脑成像中的纠正.
主要方法:
- 基于子空间模型的机器学习方法被用来估计B1t和B1r字段.
- 概率子空间模型捕获了取决于扫描的B1场变化,从预先扫描的数据中学习.
- 新实验数据 B1 场估计是通过先前约束的线性优化进行的.
主要成果:
- 该方法在幽灵和健康受试者中生成了高质量的B1地图.
- B1校正从SPGR数据显著改善了T1和质子密度 (PD) 地图.
- 在脑瘤患者中,该方法比传统技术更准确,更强大的B1估计和校正.
- 对瘤患者的MRSI数据的应用产生了改善的神经代谢物地图的结果,具有更好的组织分化.
结论:
- 开发了一种使用概率子空间模型的新型机器学习方法,用于B1场估计.
- 这种方法在实际的定量脑成像应用中为纠正B1不均性提供了更强大的解决方案.
