相关实验视频
Updated: Jan 10, 2026
09:55
Neuroimaging-Guided TMS–EEG for Real-Time Cortical Network Mapping
Published on: June 13, 2025
2.4K
基于模型的时空合成数据生成框架和深度学习重建实时MRI氧气提取分数映射
Zejun Wu1, Qinqin Yang1, Nuowei Ge1
1Department of Electronic Science, Fujian Provincial Key Laboratory of Plasma and Magnetic Resonance, Xiamen University, Xiamen 361102, People's Republic of China.
Physics in medicine and biology
|November 24, 2025
概括
这项研究引入了一种新的框架,使用合成数据进行实时定量MRI重建,增强动态氧气提取分数跟踪. 该方法比传统的大脑成像方法提高了准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物物理学的生物物理.
背景情况:
- 对于定量MRI (qMRI) 重建的深度学习通常面临数据稀缺.
- 目前的合成数据方法主要集中在2D重建上,忽视动态成像中的时空相关性.
- 利用时空数据可以显著提高实时动态qMRI的重建质量.
研究的目的:
- 开发基于模型的时空空间合成数据生成框架,用于实时动态qMRI重建.
- 为了能够准确地跟踪使用3D时空重建的氧气提取分数 (OEF) 的动态变化.
- 通过利用合成数据和先进的成像技术,提高qMRI重建的质量和效率.
主要方法:
- 提出了一个基于模型的时空合成数据生成框架,用于基于监督学习的重建.
- 集成了一种超快的多重重叠回声分离 (MOLED) 成像技术.
- 开发了一种3D时空重建方法,对参数对齐和单数值子空间一致性有限制.
主要成果:
- 在数值,幻影和人类大脑实验中验证了该方法对T2和T2*映射的准确性.
- 与传统的2D空间和3D空间时空重建方法相比,表现出更高的性能.
- 在喘息和氧气吸入期间成功启用了动态OEF跟踪,在实时场景中显示了强度.
结论:
- 拟议的框架为实时qMRI提供了有效和强大的解决方案.
- MOLED 序列可方便精确,动态地测量大脑的氧化代谢.
- 这种方法在其他实时动态定量重建任务中具有潜在的应用,并为大脑生理学提供了洞察力.
更多相关视频
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
12.2K
08:19Simultaneous Data Collection of fMRI and fNIRS Measurements Using a Whole-Head Optode Array and Short-Distance Channels
Published on: October 20, 2023
1.6K
