关于加速磁共振成像技术的审查:并行成像,压缩传感和机器学习

科学领域:

• 医疗成像医学成像
• 生物物理学的生物物理.
• 计算机科学 计算机科学

背景情况:

• 磁共振成像 (MRI) 是一种至关重要的诊断工具,但采集时间长可能会限制其临床效用和患者舒适性.
• 传统的MRI重建方法通常需要大量的数据采样,导致长时间的扫描时间.
• 持续需要先进的技术来加速MRI采集,而不会影响图像质量.

研究的目的:

• 提供快速MRI重建的关键进展的简要概述.
• 突出这些技术对提高图像质量和减少扫描时间的影响.
• 讨论机器学习在MRI采集和重建中的新兴作用.

主要方法:

• 审查并行成像技术,包括灵敏度编码 (SENSE) 和通用自动校准部分并行获取 (GRAPPA).
• 探索稀疏重建方法,特别是压缩传感,它从低样本数据重建图像.
• 讨论应用到MRI获取和重建的机器学习算法最近的发展.

主要成果:

• 并行成像方法 (SENSE,GRAPPA) 通过低采样k空间数据和利用线圈灵敏度信息或校准数据来加速MRI.
• 压缩传感使得从显著减少的测量中实现高质量的图像重建,大大减少采集时间.
• 机器学习方法越来越多地用于提高重建准确性,提高诊断能力和简化MRI工作流程.

结论:

• 并行成像和稀疏重建方面的进步已经大幅减少了MRI扫描时间.
• 机器学习对进一步优化MRI采集,重建和诊断性能具有重大前景.
• 这些快速的MRI重建技术对于提高临床效率和患者体验至关重要.