一种基于张量级近似的运动评估方法,用于胎儿大脑MRI重建中的参考堆选择,基于张量级近似
Haoan Xu1, Wen Shi1,2, Jiwei Sun1
1Key Laboratory for Biomedical Engineering of Ministry of Education, Department of Biomedical Engineering, College of Biomedical Engineering & Instrument Science, Zhejiang University, Hangzhou, China.
NMR in biomedicine
|September 4, 2024
概括
一种使用CANDECOMP/PARAFAC (CP) 分解的新方法可以准确地评估胎儿大脑在3D堆中的运动. 这种方法通过识别用于注册的最少运动的参考堆来改进3D体积重建.
科学领域:
- 医疗成像医学成像
- 计算神经科学是一种神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 3D胎儿大脑体积重建依赖于切片对体积的注册和超分辨率.
- 准确的运动评估 (MA) 对于选择具有最小运动的参考堆至关重要.
- 目前使用二维奇数值分解 (SVD) 的MA方法会丢失空间信息.
研究的目的:
- 引入一种基于使用CANDECOMP/PARAFAC (CP) 分解的3D低级近似的新型MA方法.
- 为了比较基于 CP 的 MA 方法与现有的基于 2D SVD 的方法的性能.
- 评估基于CP的MA方法对3D胎儿大脑体积重建的影响.
主要方法:
- 通过CP分解利用3D低级近似分析2D切片堆中的运动.
- 定义了原始堆及其低级近似值之间的差异作为运动指示器.
- 基于CP的MA与基于SVD的MA在模拟和真实胎儿大脑数据上进行比较.
主要成果:
- 基于CP的方法表现出比SVD对小动作更高的灵敏度和较低的基线偏差.
- 在识别最小动作堆方面,CP实现了95.45%的准确性,而SVD的准确率为58.18%.
- 将CP集成到SRR-SVR管道中显著提高了3D体积重建质量.
结论:
- 拟议的基于CP的MA方法为胎儿大脑成像提供了比SVD方法更好的性能.
- 在运动评估中,CP提供了更高的灵敏度,准确度和更低的偏差.
- 这种方法是改善3D胎儿大脑重建的有效前期步骤.
更多相关视频
16:01An Experimental Protocol for Assessing the Performance of New Ultrasound Probes Based on CMUT Technology in Application to Brain Imaging
Published on: September 24, 2017
10.4K
06:56Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation
Published on: January 7, 2021
2.4K
