High-fidelity Direct Contrast Synthesis from Magnetic Resonance Fingerprinting

要約

磁気共鳴フィンガープリンティング (MRF) は、T1、T2、B0、B1 などの重要な組織およびシステム パラメータを 1 回のスキャンから抽出できる効率的な定量的 MRI 技術です。
この特性は、コントラスト強調画像を遡及的に合成する場合にも魅力的です。
一般に、T1 強調、T2 強調などのコントラスト強調画像は、スピンダイナミクス シミュレーション (つまり、ブロッホまたは拡張位相グラフ モデル) を介してパラメーター マップから直接合成できます。
ただし、これらのアプローチは、マッピング、シーケンス モデリング、およびデータ取得の不完全性によるアーティファクトを示すことがよくあります。
ここでは、定量的マッピングとスピンダイナミクス シミュレーションを経由せずに、MRF データからコントラスト強調画像を直接合成する教師あり学習ベースの方法を提案します。
直接コントラスト合成 (DCS) メソッドを実装するために、条件付き生成的敵対的ネットワーク (GAN) フレームワークを展開し、マルチブランチ U-Net をジェネレータとして提案します。
入力 MRF データは、T1 強調、T2 強調、流体減衰反転回復 (FLAIR) 画像を直接合成するために使用され、ペア MRF の教師ありトレーニングとターゲット スピン エコー ベースのコントラスト強調スキャンによって行われます。
生体内実験では、シミュレーションベースのコントラスト合成や以前の DCS 法と比較して、視覚的にも定量的指標によっても優れた画質が実証されています。
また、トレーニング済みのモデルが、MRF 再構成で通常見られるインフローおよびスパイラル オフレゾナンス アーティファクトを軽減し、従来のスピン エコー ベースのコントラスト強調画像をより忠実に表現できる場合も示します。

要約(オリジナル)

Magnetic Resonance Fingerprinting (MRF) is an efficient quantitative MRI technique that can extract important tissue and system parameters such as T1, T2, B0, and B1 from a single scan. This property also makes it attractive for retrospectively synthesizing contrast-weighted images. In general, contrast-weighted images like T1-weighted, T2-weighted, etc., can be synthesized directly from parameter maps through spin-dynamics simulation (i.e., Bloch or Extended Phase Graph models). However, these approaches often exhibit artifacts due to imperfections in the mapping, the sequence modeling, and the data acquisition. Here we propose a supervised learning-based method that directly synthesizes contrast-weighted images from the MRF data without going through the quantitative mapping and spin-dynamics simulation. To implement our direct contrast synthesis (DCS) method, we deploy a conditional Generative Adversarial Network (GAN) framework and propose a multi-branch U-Net as the generator. The input MRF data are used to directly synthesize T1-weighted, T2-weighted, and fluid-attenuated inversion recovery (FLAIR) images through supervised training on paired MRF and target spin echo-based contrast-weighted scans. In-vivo experiments demonstrate excellent image quality compared to simulation-based contrast synthesis and previous DCS methods, both visually as well as by quantitative metrics. We also demonstrate cases where our trained model is able to mitigate in-flow and spiral off-resonance artifacts that are typically seen in MRF reconstructions and thus more faithfully represent conventional spin echo-based contrast-weighted images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google