一个预测-校正相解封算法,用于暂时低样本梯度回声MRI
Deepu Kurian1, Gisela E Hagberg2,3, Klaus Scheffler2,3
1School of Electronic Systems & Automation, Digital University Kerala, Trivandrum, Kerala, India.
Magnetic resonance in medicine
|December 12, 2023
概括
一个新的预测器-校正器解封 (PCU) 算法准确地解封梯度回忆回声 (GRE) 阶段数据,即使有时间下面采样和高场梯度. 这种方法显著减少了误差,并保持了MRI图像的空间连续性.
科学领域:
- 磁共振成像是一种磁共振成像技术.
- 图像处理 图像处理
- 医学物理 医学物理
背景情况:
- 渐变回忆回声 (GRE) 阶段成像在MRI中至关重要.
- 时间低采样和非线性复杂化了GRE阶段的解封.
- 精确的相位解封对于定量MRI至关重要.
研究的目的:
- 开发一种可靠的方法来解暂时低采样和非线性GRE阶段数据.
- 为了提高MRI相解封的精度和空间连续性.
- 通过各种数据类型和现场强度来评估拟议的方法.
主要方法:
- 开发了预测器-校正器解封 (PCU) 算法的时空扩展.
- 该方法执行了连续的一步预测和纠正回声阶段.
- 评估涉及数值,物理幻影和体内大脑数据在3T和9.4T.
主要成果:
- 与最先进的方法相比,PCU算法显示了显著减少解封错误,特别是在更高的回声下.
- 为了在体内数据生成空间光滑的相位图像,消除了需要额外的空间解封步骤的需要.
- 在更高的回声下,PCU在 iVENyS 算法上显示出更高的性能.
结论:
- PCU算法是一个强大的解决方案,用于暂时低样本和非线性GREMRI的阶段解封.
- 它在高场MRI环境中特别有效.
- 该方法提高了定量MRI分析的可靠性.


