.png){kind=icon}
返回
Model-based reconstruction for quantitative DCE-MRI parameters
.png){kind=icon}
OA
AI
DOI：10.1007/s10334-026-01350-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的：在定量动态对比增强磁共振成像（DCE-MRI）中，成像速度、空间分辨率和信噪比（SNR）之间存在固有权衡，这是由每个动态帧采集的数据量驱动的。本研究提出了一种基于模型的重建（MBR）框架，可直接从原始k空间数据估计药代动力学参数，无需中间图像重建，并有望缓解这种权衡。材料与方法：将Tofts扩展模型用于药代动力学建模，并整合到MBR框架PyQMRI（代码已共享）中。为在受控条件下验证该方法，使用腹部区域模拟数字仿体。生成药代动力学参数，并基于这些值计算相应的k空间数据。此外，使用健康志愿者的肝脏DCE-MRI数据评估MBR的在体可行性。将MBR的性能与使用非线性最小二乘（NLLS）算法的传统图像拟合方法进行比较。结果：在模拟中，MBR表现出更优性能，生成更精确的药代动力学图，其准确度与传统图像拟合相当或更高。值得注意的是，MBR能更清晰地定义精细解剖结构，如血管。该改进在不同时间分辨率（1.5-16.5秒/帧）下保持一致。MBR在更短帧率下未显示图像退化迹象，实际上在测试的最短帧率（1.5秒/帧）下表现最佳，凸显了MBR图像质量对更高帧率的鲁棒性。在体实验中，MBR的改进与模拟结果一致，但改善程度较弱。可能原因包括：简单Tofts扩展模型与复杂在体药代动力学之间的差异，以及运动导致的数据退化与DCE信号损失的复杂性。讨论：所提出的MBR框架通过避免中间图像重建和放宽时空权衡，为传统DCE-MRI工作流程提供了有前景的替代方案。该方法可能实现更准确和稳健的药代动力学参数估计，特别是在成像约束严重的场景中。
Keyword:
Dynamic contrast-enhanced MRI
Quantitative imaging
Extended Tofts model
Model-based reconstruction
k-space
期刊
M
IF:
2.5
论文数:
81
被引数:
1.9K
机构
引用论文
Comparison of iterative parametric and indirect deep learning-based reconstruction methods in highly undersampled DCE-MR Imaging of the breast.png)
MEDICAL PHYSICS
MEDICAL PHYSICSIF3.2
PREAI
分享收藏A First-Order Primal-Dual Algorithm for Convex Problems with Applications to Imaging凸问题的一阶原始对偶算法及其在成像中的应用
OAAI
OAAI分享收藏
查看更多内容