.png){kind=icon}
返回
Multi-parameter molecular MRI quantification using physics-informed self-supervised learning
.png){kind=icon}
OA
AI
DOI：10.1038/s42005-025-02063-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生物物理模型拟合在从生理信号和图像中获取定量参数方面发挥着关键作用。然而，分子磁共振成像（MRI）的模型复杂性通常导致计算时间过长，这使得临床应用不切实际。在此，我们提出了一种通用的计算方法，用于解决由常微分方程（ODE）建模与系统动力学实验测量相结合所提出的参数提取逆问题。这是通过将数值ODE求解器构建为步进式解析求解器来实现的，从而使它能够与基于自动微分的优化方法兼容。这实现了高效的梯度模型拟合，并提供了一种基于单次数据观测进行自监督学习的新参数量化方法。在人体大脑中，基于神经网络的训练-拟合流水线被用于量化半固态磁化传递（MT）和化学交换饱和转移（CEST）酰胺质子交换参数，在一项体内分子MRI研究（n = 4）中。首次全脑量化整个流水线在18.3 ± 8.3分钟内完成。将单个体训练的网络重用于新个体的推理仅需1.0 ± 0.2秒，其结果与文献值和特定扫描的拟合结果一致。
Keyword:
MAGNETIZATION-TRANSFER
INVERSE PROBLEMS
NEURAL-NETWORKS
CEST
EQUATIONS
DESIGN
AGENTS
RF
期刊
IF:
5.8
论文数:
2.9K
被引数:
9.2K
机构
引用论文
Quantifying amide proton exchange rate and concentration in chemical exchange saturation transfer imaging of the human brain.png)
NeuroImage
OAAI
NeuroImageIF0
OAAI分享收藏CEST MR Fingerprinting (CEST-MRF) for Brain Tumor Quantification Using EPI Readout and Deep Learning Reconstruction使用EPI读出和深度学习重建的CEST MR指纹 (cest-mrf) 用于脑肿瘤量化OAAI
OAAI分享收藏Rapid and quantitative chemical exchange saturation transfer (CEST) imaging with magnetic resonance fingerprinting (MRF)磁共振指纹 (MRF) 快速定量化学交换饱和转移 (CEST) 成像OAAI
OAAI分享收藏Review and consensus recommendations on clinical APT-weighted imaging approaches at 3T: Application to brain tumors关于3t临床APT加权成像方法的回顾和共识建议: 在脑肿瘤中的应用OAAI
OAAI分享收藏
查看更多内容