Coordinate-Based Neural Representation Enabling Zero-Shot Learning for 3D Multiparametric Quantitative MRI

要約

定量的磁気共鳴画像法 (qMRI) は、神経科学研究および臨床実践に大きな可能性をもたらす組織固有の物理的パラメーターを提供します。
ただし、3D マルチパラメータ qMRI 取得ではスキャン時間が長いため、その臨床的有用性が制限されます。
ここでは、同時マルチパラメトリック qMRI のためのデータ収集と教師なし再構成を含む革新的なイメージング手法である SUMMIT を提案します。
SUMMIT はまず、複数の重要な定量的特性を高度にアンダーサンプリングされた k 空間にエンコードします。
さらに、専用の物理モデルに組み込まれた暗黙的なニューラル表現を活用して、外部トレーニング データセットを必要とせずに、目的のマルチパラメトリック マップを再構築します。
SUMMIT は、同時登録された T1、T2、T2*、および定量的感受性マッピングを提供します。
広範なシミュレーションとファントムイメージングにより、SUMMIT の精度の高さが実証されています。
さらに、qMRI 再構成に対して提案された教師なしアプローチは、さまざまな医用画像モダリティに適用可能なマルチパラメトリック イメージングのための新しいゼロショット学習パラダイムも導入します。

要約(オリジナル)

Quantitative magnetic resonance imaging (qMRI) offers tissue-specific physical parameters with significant potential for neuroscience research and clinical practice. However, lengthy scan times for 3D multiparametric qMRI acquisition limit its clinical utility. Here, we propose SUMMIT, an innovative imaging methodology that includes data acquisition and an unsupervised reconstruction for simultaneous multiparametric qMRI. SUMMIT first encodes multiple important quantitative properties into highly undersampled k-space. It further leverages implicit neural representation incorporated with a dedicated physics model to reconstruct the desired multiparametric maps without needing external training datasets. SUMMIT delivers co-registered T1, T2, T2*, and quantitative susceptibility mapping. Extensive simulations and phantom imaging demonstrate SUMMIT’s high accuracy. Additionally, the proposed unsupervised approach for qMRI reconstruction also introduces a novel zero-shot learning paradigm for multiparametric imaging applicable to various medical imaging modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google