短回声时间MRS信号的量化与基于量子ESTimation算法量化的改进版本

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 频谱学是一种光谱学.

背景情况:

• 磁共振光谱 (MRS) 为诊断提供了代谢物信息.
• 短回声时间 (TE) 质子MRS提供了更好的代谢物区分能力,但由于巨分子 (MM) 和脂质的背景信号而面临量化挑战.
• 准确的量化对于MRS的临床应用至关重要.

研究的目的:

• 为了引入和评估一个改进的量化算法,QUEST-MM (基于量子ESTimation与MM先前知识的量化),简称TE质子MRS.
• 从单个MRS收购中增强代谢物量化,自动背景估计和MM组件量化.
• 提高MRS的临床适用性,特别是在涉及大脑病态MM的研究中.

主要方法:

• 开发和测试QUEST-MM算法,结合了对MM信号的先前知识.
• 将QUEST-MM与使用偏差差异权衡和Cramér-Rao下限估计的三个基于QUEST的策略进行比较.
• 广泛的蒙特卡洛模拟来评估估计器性能,包括代谢物和MM幅度分布.
• 运用QUEST-MM对使用各种脉冲序列和场强度的老鼠和人类大脑的体内1H MRS数据的应用.

主要成果:

• 与QUEST (减法方法) 相比,QUEST-MM表现出优异的性能,提供了更好的代谢物量化.
• 该算法成功启用了背景信号的自动估计和MM组件的量化.
• 在测量MM信号不可用或不合适的情况下,QUEST-MM被证明是标准QUEST的可行替代方案.
• 在各种体内MRS数据集上验证QUEST-MM,包括老鼠和人类大脑信号.

结论:

• QUEST-MM显著改善了短TE质子MRS中的代谢物量化.
• 该算法通过提供自动背景和MM量化来增强MRS的临床实用性.
• QUEST-MM是MRS数据分析的强大和有价值的工具,特别是涉及影响MM水平的大脑病理的研究.
• 在jMRUI中实施QUEST-MM将使其可用于更广泛的研究和临床使用.