研究掩盖和背景场移除算法对使用现实数值头像幻影的QSM重建质量的影响

科学领域:

• 医疗成像医学成像
• 神经成像是一种神经成像.
• 生物物理学的生物物理.

背景情况:

• 定量敏感度映射 (QSM) 重建了局部敏感度分布.
• 背景场移除 (BFR) 对QSM至关重要,需要一个感兴趣区域 (ROI) 面罩.
• BFR方法对掩盖和现场地图错误的敏感性会影响QSM的质量.

研究的目的:

• 调查掩盖和局部现场地图估计错误对QSM重建质量的影响.
• 在模拟的大脑幻影上使用四种不同的ROI口罩评估15种BFR方法.
• 根据2019年QSM挑战指标评估七个QSM重建算法.

主要方法:

• 模拟的多回声梯度回声采集和地面真实局部现场地图使用2019年QSM重建挑战大脑幻影.
• 通过复杂的配件进行回声组合,然后进行SEGUE解封.
• 应用十五种BFR方法和七种QSM重建算法,并使用RMSE比较本地字段.

主要成果:

• 在本地现场地图估计中,PDF和MSMV的整体表现强,但对面具敏感.
• V-SHARP和RESHARP表现出具有良好的性能和掩盖的强度.
• 令人惊的是,当LBV与弱 QSM配对时,在没有多项式拟合的QSM中表现更好,表现出较低的面具灵敏度.

结论:

• 虽然PDF和MSMV对于局部现场地图估计和准确的QSM是可靠的,但可能会低估边界附近的易感性.
• 对于现场地图估计,LBV的可靠性较低,但通过弱波QSM产生准确的QSM结果,证明了面具的稳定性.
• 选择BFR方法和面具显著影响QSM重建的准确性.