基于多回声的脂肪人工物校正用于7T的CESTMRI

科学领域:

• 磁共振成像技术 磁共振成像技术
• 生物医学工程 生物医学工程
• 医学物理 医学物理

背景情况:

• 化学交换和转移 (CEST) MRI对脂肪信号干扰敏感,这可能会降低图像质量并导致不准确的结果.
• 脂肪工件,包括减少对比度和伪CEST效应,在高场MRI中构成重大挑战,特别是在7特斯拉 (7T).

研究的目的:

• 开发和验证一个强大的脂肪人工物校正方法,用于7T膝盖CESTMRI数据.
• 通过采用多回声脂肪水分离来解决现有的脂肪抑制技术的局限性.

主要方法:

• 开发了一种新的算法,利用复杂的数据和相调解与非共振地图估计的相调解来进行脂肪水分离.
• 该方法使用Bloch-McConnell模拟,幻影测量和体内7T膝盖MRI数据进行了验证.
• 性能与3T的多回声方法,高斯脂肪和和基于Z频谱的单回声校正方法进行了比较.

主要成果:

• 与现有技术相比,拟议的方法显著减少了脂肪-水交换和伪核Overhauser效应.
• 复杂的信号数据处理产生了比大小数据处理更稳定的校正结果.
• 软骨中平均不对称的对比度从9.2% (未经纠正) 提高到-1.5%,表明诊断潜力增强.
• 与脂肪和脉冲相比,该技术表现出优越的空间稳定性.

结论:

• 采用适应性脂肪模型进行多回声脂肪水分离,为7T CEST MRI中脂肪人工物校正提供了可行和有效的解决方案.
• 与脂肪和和基于Z频谱的方法相比,开发的方法在整个频谱和成像数据上提供了卓越的脂肪人工物校正.
• 这一进步有望提高7T膝盖CESTMRI应用的准确性和可靠性.