对于基于字典匹配的图像合成和低级约束的心脏多参数映射的回顾性运动校正
Haiyang Chen1, Yixin Emu1, Juan Gao1
1National Engineering Research Center of Advanced Magnetic Resonance Technologies for Diagnosis and Therapy, School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
Magnetic resonance in medicine
|September 17, 2024
概括
一种新的基于模型的运动校正 (MoCo) 方法提高了心脏多参数映射质量,而不需要分析信号模型. 与现有方法相比,这种技术显著提高了准确性和绘图质量.
科学领域:
- 医学成像医学成像
- 心血管磁力共振成像 (MRI) 的方法
- 图像处理 图像处理
背景情况:
- 心脏多参数映射提供了关于心肌组织特征的重要信息.
- 运动工件,特别是来自心脏和呼吸运动的运动,降低图像质量和绘图精度.
- 现有的运动校正方法通常依赖于分析信号模型或效率较低.
研究的目的:
- 开发和评估一种新的基于模型的运动校正 (MoCo) 方法,用于心脏多参数映射.
- 该方法旨在提高绘图质量,而不需要分析信号模型.
- 将拟议的MoCo方法与非MoCo,对对和组对注册技术进行比较.
主要方法:
- 开发了一个混合损失函数,结合了字典匹配和信号低等级损失.
- 字典匹配损失将多对比图像注册为合成无运动图像.
- 信号的低级损失确保了变形图像的时空连贯性,在15名健康受试者的自由呼吸数据集上进行了验证.
主要成果:
- 与所有其他方法相比,拟议的MoCo方法实现了显著较低的表心和内心的轮跟踪误差 (p < 0.01).
- 它还显示了T1和T2映射的最低字典匹配错误和最高视觉质量得分 (p < 0.01).
- 拟议方法的映射结果与呼吸暂停参考结果非常相似,心肌段的平均值和标准偏差差差异很小.
结论:
- 开发的基于模型的MoCo方法显著提高了心脏多参数映射中的运动校正精度.
- 它在准确性和映射质量方面优于非MoCo和基于图像的替代注册方法.
- 这种方法为改善心肌组织特征的非侵入性评估提供了一个有希望的解决方案.
