序列自适应场不完美估计 (SAFE):为增强的MRF量化进行$B_1^+$和$B_0$不均性的回顾性估计和纠正
ArXiv
|January 3, 2024
概括
这项研究引入了一种用于磁共振指纹 (MRF) 的新型深度学习方法,可以在没有额外扫描的情况下纠正磁场不均. 这种无校准的方法提高了过去和未来数据的定量MRI准确性.
科学领域:
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 定量成像技术 定量成像技术
- 人工智能在医学中的应用
背景情况:
- 磁场不均性 ($B_1^+$和$B_0$) 降低了磁共振指纹 (MRF) 中定量参数估计的准确性.
- 目前的缓解策略需要额外的校准扫描,增加整体扫描时间和限制后期数据分析.
结论:
- 拟议的深度学习框架提供了一个强大的,无校准的解决方案,以提高MRF的定量准确性.
- 这种方法显著提高了现有和未来MRF数据集的实用性.
- 通过人工智能驱动的校正,为更容易访问和更准确的定量MRI铺平了道路.


