在体内对H-MRS进行基线校正算法的比较
Diego Pasmiño1, Johannes Slotboom2, Brigitte Schweisthal2,3
1Electrical Engineering Department, Universidad de Concepcion, Concepcion, Chile.
NMR in biomedicine
|July 2, 2024
概括
质子MRS的基线校正对于准确的代谢数据量化至关重要. 虽然新的算法显示出希望,但预处理方法可以引入偏差,这表明集成建模对于可靠的结果是优越的.
科学领域:
- 磁共振光谱学 (MRS) 是一种技术.
- 代谢量化的量化
- 生物医学数据分析
背景情况:
- 质子MRS提供来自活体组织的局部定位的定量代谢数据.
- 由于光谱基线阻碍了准确的量化,包括宏分子 (MM) 和广泛成分 (BC) 信号.
- 基线人工物存在于短回声时间和长回声时间的MRS数据中.
研究的目的:
- 在MRS中提供现有的基线处理算法的概述.
- 提出和评估一个新的基线校正算法.
- 将不同基线校正方法与综合量化模型的性能进行比较.
主要方法:
- 在体内MRSI数据 (半激光,TE=40ms) 上测试了各种基线删除算法.
- 将算法与新提出的方法进行比较,使用Fit Quality Number (FQN) 评估性能.
- 通过比较峰值区域与明确建模代谢物和基线的地面真实模型来评估代谢物量化准确性.
主要成果:
- 拟议的算法展示了竞争性表现,突出了它的效率和自动化性质.
- 没有独立的基线校正方法实现了与集成地面真相模型相比的FQN.
- 所有测试的预处理基线校正方法都在观察到的代谢物峰值区域中引入了偏差.
结论:
- 作为预处理步骤应用的独立基线校正方法导致更差的FQN和偏差的量化结果.
- 虽然这些预处理方法可以在视觉上改善光谱,但在光谱拟合之前不建议使用这些预处理方法.
- 在量化过程中对代谢物和基线的综合建模产生了更准确和可靠的MRS数据.
