Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:1809.02506

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:1809.02506 (q-bio)
[提交于 2018年9月6日 ]

标题: 平衡多跳EPI用于加速笛卡尔MRF:螺旋MRF的替代方法

标题: Balanced multi-shot EPI for accelerated Cartesian MRF: An alternative to spiral MRF

Authors:Arnold Julian Vinoj Benjamin, Pedro A. Gómez, Mohammad Golbabaee, Tim Sprenger, Marion I. Menzel, Mike E. Davies, Ian Marshall
摘要: 本研究的主要目的是展示一种使用多段EPI读出的高加速笛卡尔MRF方案(即多段EPI-MRF)可以在足够短的扫描时间内生成高质量的多参数图,如T1、T2和质子密度(PD),其扫描时间与传统MRF相似。这种多段方法在遍历整个k空间轨迹时允许显著的欠采样,可以获得更好的信噪比,减少模糊,降低失真,并且相比现有的单段EPI-MRF实现,还可以用于收集更高分辨率的数据。生成的参数图与具有相同采集参数的加速螺旋MRF实现进行比较,以评估该方法的性能。此外,应用了一种迭代重建算法来提高参数图估计的准确性,并且也展示了EPI-MRF的快速收敛性。
摘要: The main purpose of this study is to show that a highly accelerated Cartesian MRF scheme using a multi-shot EPI readout (i.e. multi-shot EPI-MRF) can produce good quality multi-parametric maps such as T1, T2 and proton density (PD) in a sufficiently short scan duration that is similar to conventional MRF. This multi-shot approach allows considerable subsampling while traversing the entire k-space trajectory, can yield better SNR, reduced blurring, less distortion and can also be used to collect higher resolution data compared to existing single-shot EPI-MRF implementations. The generated parametric maps are compared to an accelerated spiral MRF implementation with the same acquisition parameters to evaluate the performance of this method. Additionally, an iterative reconstruction algorithm is applied to improve the accuracy of parametric map estimations and the fast convergence of EPI-MRF is also demonstrated.
评论: 2018年ISMRM-ESMRMB联合年会论文集 - 巴黎
主题: 定量方法 (q-bio.QM) ; 机器学习 (cs.LG)
引用方式: arXiv:1809.02506 [q-bio.QM]
  (或者 arXiv:1809.02506v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.1809.02506
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mohammad Golbabaee [查看电子邮件]
[v1] 星期四, 2018 年 9 月 6 日 12:51:58 UTC (974 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-09
切换浏览方式为:
cs
cs.LG
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号