人类大脑中的敏感性源分离方法的重复性:在3T时进行的一站式研究

科学领域:

• 神经成像是一种神经成像.
• 生物物理学的生物物理.
• 医学物理 医学物理

背景情况:

• 传统的定量易感性映射 (QSM) 仅限于净易感性影响.
• 敏感性源分离的目的是区分铁和髓分布.
• 基于R2′的敏感性分离算法的可重复性需要进行彻底的评估.

研究的目的:

• 调查三种基于R2'的易感性分离算法的可重复性: χ-Separation, χ-SepNet 和 APART.
• 评估这些算法生成的偏磁 (χ+) 和二磁 (χ-) 地图的可靠性和对比度.
• 为了比较不同大脑区域的算法性能.

主要方法:

• 利用了来自21名健康受试者的3-T扫描-重新扫描数据.
• 使用类内相关系数 (ICC) 和可重复性系数 (RC) 评估可重复性.
• 使用平均值评估地图对比度,并比较大脑区域的性能.

主要成果:

• 在算法和大脑区域之间,重复性差异很大.
• 与 χ-Separation 相比,APART 和 χ-SepNet 显示出更高的重复性.
• 参磁 (χ+) 和二磁 (χ-) 地图显示中等到良好的可靠性,由于R2'输入可靠性,通常低于传统的QSM.
• 额叶和空气-组织接口附近的重复性降低了.
• 对于APART的平均RC为4ppb (7ppb在富含铁的地区为 χ+),对于 χ-SepNet是5ppb (10ppb在富含铁的地区为 χ+).

结论:

• 敏感性源分离提供了对大脑铁和髓的宝贵的亚声素见解.
• 算法选择对敏感性分离结果的重复性和可靠性产生了关键的影响.
• APART 和 χ-SepNet 为敏感性源分离提供了有希望的选择,在大多数大脑区域中具有中等到良好的重复性.
• 进一步的研究可能将重点放在提高R2'输入的可靠性上,以提高分离精度.