通过端到端学习控制7T的3D快速旋转回声的清晰度,SNR和特定吸收率

科学领域:

• 磁共振成像是一种磁共振成像技术.
• 生物医学工程 生物医学工程

背景情况:

• 7T MRI提供了更高的信号噪声比 (SNR),但在3D快旋回声 (FSE) 序列中面临长回声列车的挑战.
• 优化脉冲序列对于最大限度地提高超高场强度的图像质量和诊断实用性至关重要.

研究的目的:

• 在7T时为3D FSE开发非启发式可变翻转角度 (VFA) 方案.
• 在多种组织中优化VFA系统的点传播函数 (PSF) 和SNR.
• 为了在特定的吸收率 (SAR) 约束和目标对比度要求下实现这种优化.

主要方法:

• 使用端到端学习框架将SAR约束,对比度 (SNR) 和图像模糊 (PSF) 整合到成本函数中.
• 通过在成本函数中调整PSF和SNR组件的权重来优化可变翻转角度 (VFA) 方案.
• 获得的PSF和SNR优化的VFA在体内使用开源Pulseq和供应商协议在7TMRI系统上进行了测试.

主要成果:

• 与标准VFA相比,PSF优化的VFA显著减少了T2加权图像中的图像模糊,提高了小结构和血管的可见性.
• 定量分析显示,优化的VFA与标准VFA相比,与参考PSF (sinc) 的偏差减少了50%.
• 优化SNR的VFA显著改善了白色和灰色物质区域的SNR (77.1比40.7),但以增加模糊的代价.

结论:

• 端到端的学习框架可以有效地优化3D FSE的VFA方案在7T,平衡PSF和SNR.
• 这种方法可以快速灵活地调整PSF/SNR对3D FSE收购的权衡.
• 优化的VFA方案有望提高超高场MRI的图像质量和诊断能力.