MRI多任务技术及应用

目录

  • 一、定量心血管磁共振成像(CMR)的改进方法
  • 二、磁共振多任务
  • 三、磁共振多任务的成像框架
  • 四、磁共振多任务的图像模型和采样和重建策略
  • 五、利用MR多任务进行快速三维稳态CEST(ss-CEST)成像
    • 5.1 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像介绍
    • 5.2 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像
    • 5.3 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像的讨论


一、定量心血管磁共振成像(CMR)的改进方法

  可以将生理运动和其他动态过程概念化为多个时间维度,通过 低秩张量(LRT)成像解决运动伪影,实现多达四个时间维度的运动解决定量成像。这种连续采集的方法,称之为CMR多任务。使用捕捉运动而非避免运动的方法不需要使用心电图触发或病人憋气,以有效地进行CMR定量成像。

  CMR在各种重叠的动态过程中成像,包括生理(如心脏跳动、呼吸运动)和物理(如T1、T2弛豫)动态,使得成像过程复杂化。传统处理心血管成像中的动态重叠的策略使用复杂的心电图(ECG)控制、病人屏气和/或短暂的采集“冻结”尽可能多的动态,但这意味着放弃了其余动态的有用的时间,而且在采集中的每个动态都需要采用不同动态所对应的冻结机制组合

  对于那些有心律失常或憋气困难的不健康受试者来说,CMR检查的时间是冗长的。


二、磁共振多任务

  磁共振多任务(multitasking)是一个连续采集框架,可以 同时解决定量心脑血管成像中涉及的许多重叠的动态。磁共振多任务将图像动态的不同来源概念化为不同的时间维度,利用多任务来捕捉(而非避免)运动、松弛和其他动态,进行时间分辨的T1映射,纠正了动态对比度增强(DCE)成像中的信号饱和问题

  LRT图像模型允许磁共振多任务,利用不同时间点的图像之间的相关性来减少采样要求(也可通过压缩、磁共振指纹减少采样),打破了“扫描时间随维度的增加而呈指数级增长”的维度诅咒。LRT的自由度及其所需的扫描时间与维度的数量呈近似线性关系,适合于多维成像。
在这里插入图片描述

图为非心电图、自由呼吸的原生心肌T1图的多个时间维度的说明和分析

  a.不同图像在三个时间维度空间的位置。不同的T,加权位于反转时间轴(水平)不同的心动期位于心动时间轴(深度)不同的呼吸期位于呼吸时间轴(垂直)
  b.描述图像张量每个维度的三个最重要的基函数,由1分钟的数据重建
  c.来自12.3分钟的高阶svD的奇异值曲线的原始子空间训练数据(即有足够的数据来覆盖所有的运动状态和对比度组合),表明对于原始数据张量的所有展开,奇异值都会迅速衰减

  磁共振多任务处理解决了定量CMR中许多长期的限制
  (1)有效地处理了运动,消除了对心电图控制和/或屏气的依赖,为心律失常患者进行定量CMR提供了潜在的手段。
  (2)纠正了从T1加权成像中量化造影剂浓度的不准确性,允许从单一造影剂中进行量化
  (3)简化了工作流程,使用单一的免设置的扫描来产生共同登记(?)的、运动分辨的参数图而不是一连串的错位扫描,每个扫描都涉及一个复杂的设置过程,以确定心电图触发延迟时间、呼吸门控窗口中心和宽带,和/或选择适当图像对比度的时间参数。
  该方法允许灵活的采样有效的因子张量重建。与磁共振指纹不同的是,除了核磁共振松弛外,它还能 对运动和DCE进行成像。此外,由于CMR多任务与LRT成像可以扫描广泛的“自然”成像对比(即与磁共振指纹的随机图像对比相反),多任务产生的图像也可能反过来验证它们的准确性。
  LRT成像不同于其他多为成像方法,如XD-GRASP通过隐含地假设沿每个时间维度横向片状恒定演化来利用图像的“局部”相似性,而LRT成像则全面利用了在整个多维时间空间中的图像的横向和对角线上都有的相关性


三、磁共振多任务的成像框架

  CMR多任务将一组心脑血管图像表示为一个多为张量(或阵列),其中一个维度索引体素位置(即结合空间维度),其他维度索引N个不同的时间维度每个维度对应于要成像的不同“任务”。通过对这个张量进行低秩的建模,我们描述并利用图像的相关性(沿着每个时间维度和整个多维时间维度的对角线)。
  通过将稀疏采样的图像数据与经常对K空间子集进行采样的辅助子空间训练数据交错获取数据,为图像重建开发了一种记忆和时间效率高的因子方法,其中核心张量和N个时间因子矩阵是从子空间训练数据中估计出来的,空间因子矩阵是通过将核心张量和时间因子矩阵与测量数据的其余部分进行拟合而恢复的。
在这里插入图片描述

CMR多任务技术用于非心电图、自由呼吸的原生心肌T1图

  a.CMR多任务技术产生了沿反转时间维度的精细分辨的对比度变化
  b.多任务技术产生的心脏分辨的T1图


四、磁共振多任务的图像模型和采样和重建策略

  CMR多任务心血管图像表示为空间位置的多维函数I(x,t1,t2,…tN)和N个时间维度t1,t2,…tN每个时间维度对应要解决的不同“任务”,例如时间维度对应于心脏运动、呼吸运动、磁化准备后的时间(沿途的信号演变取决于组织特性参数,如T1和T2)和成像开始后的时间(对描述通过的时间很有用)。
  尽管LRT模型释放了从维度诅咒中获得的采样要求,但N+1路张量(或称多维数组)A的大小仍然是指数级的增长。因此,通过单值分解(SVD)阈值化解决方案涉及的相同大小的辅助变量,以未压缩的形式存储图像I用离散形式表示为的N+1路张量(或称多维数组)A对内存的要求是非常高的。此外,图像重建算法的每一次迭代都可能涉及到对A的每一列(其数量可能达到数十万)的操作,以及大矩阵的多个SVD,所有这些都需要大量的计算时间。
  训练数据比K空间的其他位置需要更频繁的采样。这个数据子集(“子空间训练数据”)包含有限的空间信息,但有大量适合确定Φ的时间信息。收集的数据要足够频繁,以解决最精细的生理学问题。
  如果有序的均匀采样与时间基础函数一致,例如定期采样与呼吸周期、心动周期或磁化准备期同步,这时有序的均匀采样的采样性能会得到心脏和呼吸频率变化的加持。磁化准备时间表通常正好是周期性的,但准备期和采样期的选择可以避免相互同步。为了避免这些问题,可以采用黄金角径向取样或随机笛卡尔取样的采样方案,即使在周期性运动的情况下也能提供不连贯性。
在这里插入图片描述

CMR多任务处理非心电图,第一道心肌灌注T绘图

  a.对比剂动态被捕捉到的收缩期和舒张期心脏阶段
  b.这是由于该方法能够解决心脏运动
  c.经过的时间维度(用于描绘对比剂动态)和饱和时间维度相结合,产生二维信号强度表面,而不是传统的一维信号强度曲线
  d.这些信号强度表面被用来绘制R(t),它考虑了信号饱和度,并在线性转换后直接得到Gd浓度


五、利用MR多任务进行快速三维稳态CEST(ss-CEST)成像

5.1 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像介绍

  化学交换饱和转移是―种非对比性的MRI技术,通过在不同的频率偏移下的预饱和,间接地检测出pool中的可交换元化学交换饱和转移核磁共振成像提供了一种新的对比机制来成像重要的生理学信息,如在交换质子池和水池之间的PH值和me-tabolite浓度。在不同的饱和频率下收集图像,产生所谓的Z谱,它反映了在给定饱和功率下采样频率偏移的稳态信号
  Z谱的广泛和对称覆盖允许多池分析,同时揭示不同的CEST效应(如酰胺质子转移(APT)、中继核Overhauser增强(rNOE)效应),以及其他特定的应用效应(如糖化CEST、CrCEST和糖化NOE)。为了实现可靠的多池分析,通常要对宽Z谱进行密集采样。考虑到通常采样的几十个频率偏移,每个频率偏移的采集时间(包括长的饱和模块)最好限制在几秒钟,以保持临床实践中可接受的扫描时间。这种时间限制通常只允许对饱和模块后的每个频率偏移进行单次K空间采集。这种单次拍摄方案使得快速、高质量的三维CEST成像变得困难
在这里插入图片描述
(A)序列设计:每个模块(TR=70 ms)包含一个单叶高斯饱和脉冲(txat = 30 ms,翻转角=500°),然后是一个扰流梯度和八个FLASH读出线(一个训练线加七个成像线;翻转角=5°)
该模块在一个特定的频率偏移(Nw=80)处重复,然后切换到另一个
(B)k-空间采样模式:在每个模块中﹐首先获得“训练线”(中心k空间线),然后是七条"成像线"(在xy和ga方向具有高斯分布的伪随机采样线)


5.2 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像

  通过优化K空间采样效率,如使用螺旋中心重排序的K空间采集进行快照梯度回波(GRE)读出,或使用CAIPIRINHA下采样的三维EPI读出,缩短了扫描时间。它可以提供1.7×1.7毫米的2面内分辨率,FOV为220×180×54毫米,使用三维GRE读出,每次偏移7秒获得,使用三维EPI读出,每次偏移4.3秒获得1.8毫米的同向分辨率,FOV为256×224×156毫米
  一种潜在的更快的方法,即稳态CEST(ss-CEST)方法以重复模块的交错模式进行预饱和和k空间采样以确保饱和交换稳态在每个频率偏移的大部分时间内保持不变,交错模式在序列设计和可能的加速方面提供了更多的灵活性。
  但是最初的ss-CEST方法需要12分钟以上的时间来获取整个Z谱,这对于实际使用来说仍然太长。我们可将径向读出与多线奇异值分解相结合,进一步减少总的扫描时间,使其少于5分钟。与以前的ss-CEST方法相比,每个频率偏移的采集时间从10多秒减少到7.6秒。
  磁共振多任务是一种低秩张量的成像策略。通过低秩张量建模,利用在不同频率偏移下获得的图像之间的相关性,以及在接近稳态期间的数据之间的相关性,以减少扫描时间并提高图像质量。这样就可以在5.5分钟内获得覆盖全脑的1.7×1.7×3.0毫米的Z谱的空间分辨率。
在这里插入图片描述

二维单次FLASH法(A)和拟议的多任务ss-CEST法(B)所产生的map的比较

  注意二维单次FLASH CEST方法中使用的切片厚度为10毫米,大于拟议的三维多任务ss-CEST方法中的3毫米。因此,尽管(A)和(B)之间的切片中心相匹配,但空间覆盖率并不完全相同。


5.3 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像的讨论

  与单次采集方法(或假稳态方法)相比,ss-CEST方法确保化学交换过程的稳态在大部分采集时间内得到保持。与单次拍摄方法相比﹐它允许连续采集,以便更有效地穿越K空间。但在原始ss-cEST实现中,仅在平行成像中拥有额外加速源
  而MR-Multitasking中的低秩张量模相对于两个单独的序列参数维度:频率偏移和频率增加后的时间,强制执行综合空间维度的低秩性(因此没有对空间结构进行假设)。此外,多任务系统在图像重建过程中采用这种模式来加速采集。
  除了加速采集,多作务ss-CEST方法还有两个额外的优点:
  (1)在每个频率偏移处的稳态方法被建模,稳态之前的信号被排除允许使用未被破坏的稳态值进行量化
  (2)Z谱在低秩约束下被自动去噪。考虑到足够的时空关系,加速的唯一明确限制因素为在每个频率偏移处达到稳定状态所的时间
  还可以进一步优化多作务ss-CEST方法。首先,我们可以利用先进的K-空间采样轨迹,例如非笛卡尔轨迹(如螺旋线),有可能比笛卡尔采集提高采样效率和不连贯性进一步减少扫描时间和提高图像质量
  其次,可以 进一步优化特定频率偏移的采样模式,以减少采样频率的总数,这样就可以减少总的扫描时间,同时保持多pool拟合数据的可靠性和稳健性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/69935.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java调用Web Service接口

方法1. 用IDEA生成相关代码调用方法。 在IDEA插件商店下载插件 然后新建一个Java项目 创建一个包来存放生成的代码,(点击一下)选中这个包,点击Tools 填入接口url,记住后面拼接“?wsdl”,选择生成方法,然后OK即可生…

超详解| Yolov8模型手把手调参 | 配置 | 模型训练 | 验证 | 推理

YOLOv8是一款前沿、最先进(SOTA)的模型,基于先前YOLO版本的成功,引入了新功能和改进,进一步提升性能和灵活性。 然而,要充分发挥Yolov8的潜力,合理的参数配置是至关重要的。本文将带您深入了解…

stable diffusion实践操作-VAE

系列文章总目录 stable diffusion实践操作 文章目录 系列文章总目录一、 前言1 定义功能全局介绍2 模型全局介绍2.1 后缀以及存放位置2.2 查看大模型是否有VAE 二、正文1 原理1.1 基础原理 2 使用2.1 增加饱和度2.2 增加细节 3 下载3.1 自动下载3.2 手动下载 三 、总结 一、 前…

掌握逻辑漏洞复现技术,保护您的数字环境

环境准备 这篇文章旨在用于网络安全学习,请勿进行任何非法行为,否则后果自负。 1、支付逻辑漏洞 攻击相关介绍 介绍: 支付逻辑漏洞是指攻击者利用支付系统的漏洞,突破系统的限制,完成非法的支付操作。攻击者可以采…

从0到1构建界面设计系统思维

用户界面(UI)是人与机器之间发生交互的载体,也是用户体验(UX)的一个组成部分。用户界面由两个主要部分组成:视觉设计(即传达产品的外观和感觉)和交互设计(即元素的功能和…

实现SSE的textevent-stream是什么?和applicationoctet-stream有什么区别?

WEB通讯技术。前端实现SSE长连接,nodejsexpress搭建简单服务器,进行接口调试,通过curl请求数据 点击上面的地址是可以了解轮询和长轮询以及websocket等通信模式,一些基础概念和速成技能,这篇来接着详细聊聊text/event…

Qt---对话框 事件处理 如何发布自己写的软件

目录 一、对话框 1.1 消息对话框(QMessageBox) 1> 消息对话框提供了一个模态的对话框,用来提示用户信息,或者询问用户问题并得到回答 2> 基于属性版本的API 3> 基于静态成员函数版本 4> 对话框案例 1、ui界面 …

2023年8月30日-[SWPUCTF 2021 新生赛]jicao

<?php highlight_file(index.php); include("flag.php"); $id$_POST[id]; $jsonjson_decode($_GET[json],true); if ($id"wllmNB"&&$json[x]"wllm") {echo $flag;} ?> 包含了flag.php文件&#xff0c;设定了一个POST请求的id和…

【AIGC专题】Stable Diffusion 从入门到企业级实战0401

一、概述 本章是《Stable Diffusion 从入门到企业级实战》系列的第四部分能力进阶篇《Stable Diffusion ControlNet v1.1 图像精准控制》第01节&#xff0c; 利用Stable Diffusion ControlNet Inpaint模型精准控制图像生成。本部分内容&#xff0c;位于整个Stable Diffusion生…

Ubuntu之apt-get系列--apt-get安装软件的方法/教程

原文网址&#xff1a;Ubuntu之apt-get系列--apt-get安装软件的方法/教程_IT利刃出鞘的博客-CSDN博客 简介 本文介绍Ubuntu使用apt-get安装软件的方法。 安装软件 先更新列表 sudo apt-get update 安装软件 sudo apt-get install <package name>[<version>]…

Android后退堆栈

修改代码 现在的ItemClick使得用户单击其中一个项目时就会跳转&#xff0c;现在要修改其使得在一个小屏幕设备上才会这样做&#xff0c;在一个大屏幕设备上运行用户选择一个训练项目时在右边的片段显示响应的信息。 希望片段处理后退的方式&#xff1a;假设用户在手机上运行这…

【ES6】js中的__proto__和prototype

在JavaScript中&#xff0c;__proto__和prototype都是用于实现对象继承的关键概念。 1、proto __proto__是一个非标准的属性&#xff0c;用于设置或获取一个对象的原型。这个属性提供了直接访问对象内部原型对象的途径。对于浏览器中的宿主对象和大多数对象来说&#xff0c;可…

加强版python连接飞书通知——本地电脑PC端通过网页链接打开本地已安装软件(调用注册表形式,以漏洞扫描工具AppScan为例)

前言 如果你想要通过超链接来打开本地应用,那么你首先你需要将你的应用添入windows注册表中(这样网页就可以通过指定代号来调用程序),由于安全性的原因所以网页无法直接通过输入绝对路径来调用本地文件。 一、通过创建reg文件自动配置注册表 创建文本文档,使用记事本打开…

STM32使用FAT文件系统-常见概念、代码走读

fat文件系统的所有外部接口都在ff.h中 格式化 挂载 使用文件系统的第一步&#xff0c;就是挂载。 函数原型&#xff1a;FRESULT f_mount (FATFS* fs, const TCHAR* path, BYTE opt); /* Mount/Unmount a logical drive */ static FATFS fs; FRESULT fres f_mo…

【爬虫】7.4. 字体反爬案例分析与爬取实战

字体反爬案例分析与爬取实战 文章目录 字体反爬案例分析与爬取实战1. 案例介绍2. 案例分析3. 爬取 本节来分析一个反爬案例&#xff0c;该案例将真实的数据隐藏到字体文件里&#xff0c;即使我们获取了页面源代码&#xff0c;也无法直接提取数据的真实值。 1. 案例介绍 案例网…

存储过程报Illegal mix of collations错误的解决方法

CREATE PROCEDURE maxAgeStudent(IN _gender CHAR) BEGINDECLARE maxage INT DEFAULT 0;SELECT max(age) INTO maxage FROM student where gender _gender;SELECT * from student WHERE age maxage and gender _gender; END; 在调用的时候 call maxAgeStudent(1) 产生了报…

SpringCloud入门实战(十五)分布式事务框架Seata简介

&#x1f4dd; 学技术、更要掌握学习的方法&#xff0c;一起学习&#xff0c;让进步发生 &#x1f469;&#x1f3fb; 作者&#xff1a;一只IT攻城狮 &#xff0c;关注我&#xff0c;不迷路 。 &#x1f490;学习建议&#xff1a;1、养成习惯&#xff0c;学习java的任何一个技术…

qemu/kvm学习笔记

qemu/kvm架构 cpu虚拟化的示例 Reference: kvmtest.c [LWN.net] 主要步骤&#xff1a; QEMU通过/dev/kvm设备文件发起KVM_CREATE_VM ioctl&#xff0c;请求KVM创建一个虚拟机。KVM创建虚拟机相应的结构体&#xff0c;并为QEMU返回一个虚拟机文件描述符QEMU通过虚拟机文件描述…

读懂AUTOSAR,之CAN Driver L-PDU发送和“重入问题”

1. L-PDU发送 L-PDU传输时,Can模块将L-PDU内容ID和数据长度转换为硬件特定格式(如果需要),并触发传输。 [SWS_Can_00059] CAN到内存的数据映射定义为首先发送的CAN数据字节为数组元素0,最后发送的CAN数据字节为数组元素7或63(在CAN FD的情况下)。(SRS_SPAL_12063)[S…

linux 进程管理命令

进程管理命令 查看进程命令 ps命令 显示系统上运行的进程列表 # 查看系统中所有正在运行的系统ps aux# 获取占用内存资源最多的10个进程&#xff0c;可以使用如下命令组合&#xff1a;ps aux|head -1;ps aux|grep -v PID|sort -rn -k 4|head# 获取占用CPU资源最多的10个进程&am…