数据驱动的电导率脑成像使用3T核磁共振

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 计算电磁学 计算机电磁学

背景情况:

• 磁共振电特性断层扫描 (MR-EPT) 非侵入性地测量组织电特性 (EPs),如导电性.
• 组织导电性在临床研究中显示出作为生物标记物的潜力.
• 传统的MR-EPT导电性重建由于数值假设而面临不准确性.

研究的目的:

• 开发基于人工神经网络 (ANN) 的非线性导电性估计器,以改善大脑成像.
• 克服传统基于模型的MR-EPT导电性重建的局限性.
• 通过模拟,in-silico和in-vivo数据验证ANN方法.

主要方法:

• 从有限差异时间域 (FDTD) 电磁模拟中对201个合成的T2加权自旋回声 (SE) 数据集进行了ANN训练.
• 培训数据集包括T2-w SE大小和转接阶段信息.
• 使用in-silico,志愿者和患者数据对ANN进行了评估,并与传统的基于阶段的EPT方法 (例如S-G Kernel,cr-EPT,Poly-Fit,基于Integral) 相比.

主要成果:

• 与体实验中的传统方法相比,ANN方法产生了更准确的导电性图,结构保存更好.
• 基于ANN的重建显示在体内数据 (包括病理) 上的质量,概括性和稳定性得到改善.
• 该方法在各种信号噪声比 (SNR) 级别和可重复性条件下显示出可靠的性能.

结论:

• 拟议的基于ANN的MR-EPT导电性估计器显著提高了脑导电性成像的准确性和质量.
• 该网络从模拟到体外数据 (包括病理) 的概括能力突显了其临床潜力.
• 这种方法为医疗应用中的定量导电性映射提供了更强大,更准确的替代方案.