物理学 > 医学物理
[提交于 2019年11月4日
]
标题: 微观各向异性估计的验证及临床可行双扩散编码MRI的噪声鲁棒性评估
标题: Validation and noise robustness assessment of microscopic anisotropy estimation with clinically feasible double diffusion encoding MRI
摘要: 目的:双扩散编码(DDE)磁共振成像能够估计微观扩散各向异性,提供关于组织微结构的有价值信息。 一项最近的研究提出,通过假设高斯扩散,可以大大简化旋转不变的DDE指标的获取,通常使用球形“5设计”,从而减少采集时间,使其更符合临床环境。 在此,我们的目标是将新的最小采集方案与标准DDE 5设计进行验证,并量化所提出方法的噪声鲁棒性,以促进未来的临床应用。 方法:在9.4 T下对离体和活体大鼠大脑进行了DDE MRI实验,使用5设计和提出的最小设计,并考虑了采集次数的差异。 随后的微观部分各向异性({\mu }FA)图在高达5000 s/mm2的b值范围内进行了比较。 通过分析计算和数值模拟研究了噪声鲁棒性。 结果:最小协议在准确性方面能够量化{\mu }FA,与通过更理论稳健的DDE 5设计获得的估计值相当。 发现{\mu }FA对噪声的敏感性在非线性方式上强烈依赖于组分各向异性和张量大小。 当{\mu }FA < 0.75或平均扩散率特别低时,需要非常高的信噪比(SNR)才能精确量化{\mu }FA。 结论:我们的工作支持在临床环境中使用DDE来量化微观扩散各向异性,但在使用DDE和典型临床SNR测量{\mu }FA时提出了此前被忽视的精度问题。
文献和引用工具
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
推荐器和搜索工具
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.