基于对比度的 perfusion MRI 的时空空间分析的现状
Eve S Shalom1,2, Amirul Khan3, Sven Van Loo1,4
1School of Physics and Astronomy, University of Leeds, Leeds, UK.
Magnetic resonance in medicine
|November 6, 2023
概括
perfusion MRI 分析正在从孤立的 voxels 转向相互连接的系统. 现在,机器学习使复杂的时空建模成为可能,提高了 perfusion MRI 研究的准确性.
科学领域:
- 医疗成像医学成像
- 生物物理学的生物物理.
- 计算神经科学是一种神经科学.
背景情况:
- 目前的 perfusion MRI 分析将 voxels 视为孤立的,导致系统错误.
- 这忽略了邻近的voxels之间的空间组织网络和指示器交换.
- 现有的语音间相互作用模型在计算上是难以处理的.
研究的目的:
- 对 perfusion MRI 的时空建模方法进行审查.
- 为这些先进的方法建立一个连贯的命名法和符号.
- 澄清最先进的技术状态并确定未来的研究优先事项.
主要方法:
- 对 perfusion MRI 中的时空建模现有文献的综述.
- 协调语音间交换模型的命名法和符号.
- 讨论机器学习的进步,使复杂的反向问题.
主要成果:
- 在 perfusion MRI 中鉴定了隔离-voxel 范式的局限性.
- 突出了时空模型在提高准确度方面的潜力.
- 证明了以前难以解决的机器学习反向问题的可行性.
结论:
- 正在出现一个转向基于网络的 perfusion MRI 分析的范式转变.
- 机器学习对于实施先进的时空模型至关重要.
- 需要进一步的研究来完善这些方法并解决知识差距.
关键词:
在DCE-MRI中,使用的是DCE-MRI.在 DSC-MRI 进行测试.perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion perfusion 这是一个非常重要的方法,它可以让一个人成为一个非常重要的角色,一个非常重要的角色,一个非常重要的角色,一个非常重要的角色,一个非常重要的角色,一个非常重要的角色,一个非常重要的角色,一个非常重要的角色时间空间建模.标记器的动力学
