.png){kind=icon}
返回
Perfusion quantification using Gaussian process deconvolution
.png){kind=icon}
OA
AI
DOI：10.1002/mrm.10213.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
使用动态磁化率对比MRI (dsc-mri) 的灌注的量化需要去卷积以获得残余冲动响应函数 (IRF)。在这项工作中，提出了一种使用高斯过程进行反卷积 (GPD) 的方法。IRF是平滑的这一事实在该方法中作为约束被并入。网格方法可以自动估计每个体素中的噪声水平，其优点是可以自动优化模型参数。将GPD与使用用于奇异值的公共阈值的奇异值分解 (SVD) 进行比较，并且与使用根据每个体素中的噪声水平优化的阈值的SVD进行比较。使用人工数据以及来自健康志愿者的数据进行比较。结果表明，在确定IRF的最大值时，GPD与具有可变优化阈值的SVD相当，IRF的最大值与灌注直接相关。GPD提供了对整个IRF的更好的估计。随着信噪比 (SNR) 的增加或测量的时间分辨率的增加，GPD被证明优于SVD。对于大的分配量也发现了这一点。
Keyword:
perfusion quantification
Gaussian process deconvolution
singular value decomposition
dynamic susceptibility contrast
impulse response function
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3
论文数:
1.2W
被引数:
3.1W
机构
暂无机构信息
引用论文
Maximum likelihood estimation of cerebral blood flow in dynamic susceptibility contrast MRI动态磁敏感对比MRI中脑血流的最大似然估计OAAI
OAAI分享收藏
Cerebral hemodynamics in CADASIL before and after acetazolamide challenge assessed with MRI bolus tracking.png)
STROKEOAAI
STROKEIF8.9
OAAI分享收藏Perfusion MRI of the human brain with dynamic susceptibility contrast: Gradient-echo versus spin-echo techniques具有动态敏感性对比的人脑灌注MRI: 梯度回波与自旋回波技术
PREAI
分享收藏Assessment of cerebrovascular reactivity by dynamic susceptibility contrast-enhanced MR imaging
PREAI
分享收藏
查看更多内容