在低样本MRI中模拟人类观察者检测,以用于两种替代强制选择 (2-AFC) 和强制定位任务的不同数据采集
Rehan Mehta1, Tetsuya A Kawakita1, Angel R Pineda1
1Mathematics Department, Manhattan College, Riverdale, NY, 10471, USA.
概括
有可能使用低样本k空间进行更快的MRI扫描. 人类观察者在图像重建任务中的表现保持稳定,局部化得到改善,除了纯粹的别名化场景.
科学领域:
- 医疗成像医学成像
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 图像重建 图像的重建
背景情况:
- 在k空间下进行低采样加速了MRI数据采集.
- 这项研究调查了不同程度的低采样下图像质量和人类感知.
- 像SENSE这样的重建算法对于从不完整的数据中恢复图像至关重要.
研究的目的:
- 用1D低采样k空间数据评估MRI任务中人类观察者的表现.
- 评估别名与模糊对图像感知的影响.
- 用计算观察者模型来建模人类的表现.
主要方法:
- 采集了20%的k空间数据,采用了5倍的低采样因子.
- 不同的低k空间频率含量从0% (别名) 到20% (模糊).
- 使用2个替代强制选择 (2-AFC) 和强制定位任务与人类观察员.
- 使用高斯差异稀疏 (SDOG) 模型模型的观测者表现.
主要成果:
- 在2-AFC任务中,人类观察员的表现在各种条件中是一致的.
- 强制本地化性能在最小模糊 (2.5%) 的情况下有所改善,但在纯别名 (0%) 中降低了.
- 对称和不对称的SDOG模型都预测了2-AFC的性能,对称模型显示了轻微的优势.
- 一个对称的4通道SDOG模型准确地模拟了强制本地化结果.
结论:
- 在低样本MRI中,人类对图像质量的感知对不同的别名/模糊水平很强大,除了纯别名外.
- 计算观察者模型,特别是对称的SDOG模型,可以有效地预测人类在这些任务中的表现.
- 这些发现支持通过k空间低样本采集加速MRI采集的可行性,同时保持诊断效用.
