Motion-Robust T2* Quantification from Gradient Echo MRI with Physics-Informed Deep Learning

要約

目的：勾配エコーからのT2*の定量化磁気共鳴画像法は、運動の影響を受け、信号損失を引き起こす可能性のある磁場の不均一性に対する高感度のため、特に被験者の動きの影響を受けます。
したがって、高品質のT2*マップを取得するには、動き補正が重要です。
方法：獲得知識を活用して動きのパターンに挑戦するための再構成パフォーマンスを高め、脳全体の磁場の強度の強度にフィモの堅牢性を高めることにより、以前に導入された学習ベースの物理学に基づいた動き補正法であるPhimoを拡張します。
シミュレートされた実際の動きを備えたデータのモーション検出精度と画質に関する包括的な評価を実行します。
結果：Phimoの拡張バージョンは、ライン検出と画質に関して、定性的および定量的に学習ベースのベースラインメソッドを上回ります。
さらに、Phimoは、冗長データ収集に依存する勾配エコーMRIからのT2*の定量化のための従来の最先端の動き補正方法でParを実行します。
結論：Phimoの競争力のある動きの修正パフォーマンスは、最先端の方法と比較して40％を超える取得時間の短縮と相まって、研究環境と臨床ルーチンでのモーションロバストT2*の定量化の有望なソリューションになります。

要約(オリジナル)

Purpose: T2* quantification from gradient echo magnetic resonance imaging is particularly affected by subject motion due to the high sensitivity to magnetic field inhomogeneities, which are influenced by motion and might cause signal loss. Thus, motion correction is crucial to obtain high-quality T2* maps. Methods: We extend our previously introduced learning-based physics-informed motion correction method, PHIMO, by utilizing acquisition knowledge to enhance the reconstruction performance for challenging motion patterns and increase PHIMO’s robustness to varying strengths of magnetic field inhomogeneities across the brain. We perform comprehensive evaluations regarding motion detection accuracy and image quality for data with simulated and real motion. Results: Our extended version of PHIMO outperforms the learning-based baseline methods both qualitatively and quantitatively with respect to line detection and image quality. Moreover, PHIMO performs on-par with a conventional state-of-the-art motion correction method for T2* quantification from gradient echo MRI, which relies on redundant data acquisition. Conclusion: PHIMO’s competitive motion correction performance, combined with a reduction in acquisition time by over 40% compared to the state-of-the-art method, make it a promising solution for motion-robust T2* quantification in research settings and clinical routine.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google