研究目的
通过提出一种高度自适应的欠采样模式,以提高肺部超极化129Xe动态MRI的时间分辨率和图像质量。
研究成果
所提出的方法采用自适应方案对k空间数据进行欠采样,以优化每帧的时空分辨率(SR),随后通过有效的重建策略确保肺动态图像的高质量。仿真和活体实验结果均验证了该方法的可行性。与多种基线方法相比,本方法不仅能在相同扫描时间内获取更多帧数,还能在保留精细细节的同时减少伪影和噪声,从而提供更丰富的肺部结构与功能信息。
研究不足
1. 全采样条件下模拟实验的时间和空间分辨率均低于欠采样条件下的活体实验。
2. 欠采样模式是根据气体运动和肺部结构的特点设计的,可能不适用于人体其他部位的动态MRI。
3. 本文通过受试者的有效训练实现了恒定的吸气流量,要求受试者在吸气速度控制方面具有良好的协调性。
1:实验设计与方法选择:
本研究提出了一种自适应策略,用于对肺部超极化动态k空间数据进行高度欠采样,并采用一种考虑低秩性、全局稀疏性、气体流入效应及联合稀疏性的重建算法。
2:样本选择与数据来源:
所有志愿者(七名健康受试者)均签署了知情同意书。所有实验均按照中国科学院武汉物理与数学研究所(WIPM)机构审查委员会制定并批准的指南和规定进行。
3:实验设备与材料清单:
使用了一台1.5特斯拉全身MRI扫描仪(西门子Avanto)。通过自旋交换光泵技术对富集氙气进行极化,并采用“冻结”累积程序,使用冷指和自制氙气极化器。
4:5特斯拉全身MRI扫描仪(西门子Avanto)。通过自旋交换光泵技术对富集氙气进行极化,并采用“冻结”累积程序,使用冷指和自制氙气极化器。
实验流程与操作步骤:
4. 实验流程与操作步骤:在两名受试者上使用自制的发射-接收背心式射频线圈进行了模拟实验,采用可变翻转角(VFA)方案。在五名健康志愿者上进行了活体实验。
5:数据分析方法:
通过平均绝对误差(MAE)、结构相似性指数(SSIM)、基于局部方差的质量指数(QILV)以及对比噪声比(CNR)来评估重建性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容