MRI多任务技术及应用
目录
- 一、定量心血管磁共振成像(CMR)的改进方法
- 二、磁共振多任务
- 三、磁共振多任务的成像框架
- 四、磁共振多任务的图像模型和采样和重建策略
- 五、利用MR多任务进行快速三维稳态CEST(ss-CEST)成像
- 5.1 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像介绍
- 5.2 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像
- 5.3 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像的讨论
一、定量心血管磁共振成像(CMR)的改进方法
可以将生理运动和其他动态过程概念化为多个时间维度,通过 低秩张量(LRT)成像解决运动伪影,实现多达四个时间维度的运动解决定量成像。这种连续采集的方法,称之为CMR多任务。使用捕捉运动而非避免运动的方法,不需要使用心电图触发或病人憋气,以有效地进行CMR定量成像。
CMR在各种重叠的动态过程中成像,包括生理(如心脏跳动、呼吸运动)和物理(如T1、T2弛豫)动态,使得成像过程复杂化。传统处理心血管成像中的动态重叠的策略是使用复杂的心电图(ECG)控制、病人屏气和/或短暂的采集“冻结”尽可能多的动态,但这意味着放弃了其余动态的有用的时间,而且在采集中的每个动态都需要采用不同动态所对应的冻结机制组合。
对于那些有心律失常或憋气困难的不健康受试者来说,CMR检查的时间是冗长的。
二、磁共振多任务
磁共振多任务(multitasking)是一个连续采集框架,可以 同时解决定量心脑血管成像中涉及的许多重叠的动态。磁共振多任务将图像动态的不同来源概念化为不同的时间维度,利用多任务来捕捉(而非避免)运动、松弛和其他动态,进行时间分辨的T1映射,纠正了动态对比度增强(DCE)成像中的信号饱和问题。
LRT图像模型允许磁共振多任务,利用不同时间点的图像之间的相关性来减少采样要求(也可通过压缩、磁共振指纹减少采样),打破了“扫描时间随维度的增加而呈指数级增长”的维度诅咒。LRT的自由度及其所需的扫描时间与维度的数量呈近似线性关系,适合于多维成像。

a.不同图像在三个时间维度空间的位置。不同的T,加权位于反转时间轴(水平),不同的心动期位于心动时间轴(深度),不同的呼吸期位于呼吸时间轴(垂直)
b.描述图像张量每个维度的三个最重要的基函数,由1分钟的数据重建
c.来自12.3分钟的高阶svD的奇异值曲线的原始子空间训练数据(即有足够的数据来覆盖所有的运动状态和对比度组合),表明对于原始数据张量的所有展开,奇异值都会迅速衰减
磁共振多任务处理解决了定量CMR中许多长期的限制:
(1)有效地处理了运动,消除了对心电图控制和/或屏气的依赖,为心律失常患者进行定量CMR提供了潜在的手段。
(2)纠正了从T1加权成像中量化造影剂浓度的不准确性,允许从单一造影剂中进行量化。
(3)简化了工作流程,使用单一的免设置的扫描来产生共同登记(?)的、运动分辨的参数图,而不是一连串的错位扫描,每个扫描都涉及一个复杂的设置过程,以确定心电图触发延迟时间、呼吸门控窗口中心和宽带,和/或选择适当图像对比度的时间参数。
该方法允许灵活的采样和有效的因子张量重建。与磁共振指纹不同的是,除了核磁共振松弛外,它还能 对运动和DCE进行成像。此外,由于CMR多任务与LRT成像可以扫描广泛的“自然”成像对比(即与磁共振指纹的随机图像对比相反),多任务产生的图像也可能反过来验证它们的准确性。
LRT成像不同于其他多为成像方法,如XD-GRASP通过隐含地假设沿每个时间维度横向片状恒定演化来利用图像的“局部”相似性,而LRT成像则全面利用了在整个多维时间空间中的图像的横向和对角线上都有的相关性。
三、磁共振多任务的成像框架
CMR多任务将一组心脑血管图像表示为一个多为张量(或阵列),其中一个维度索引体素位置(即结合空间维度),其他维度索引N个不同的时间维度,每个维度对应于要成像的不同“任务”。通过对这个张量进行低秩的建模,我们描述并利用图像的相关性(沿着每个时间维度和整个多维时间维度的对角线)。
通过将稀疏采样的图像数据与经常对K空间子集进行采样的辅助子空间训练数据交错获取数据,为图像重建开发了一种记忆和时间效率高的因子方法,其中核心张量和N个时间因子矩阵是从子空间训练数据中估计出来的,空间因子矩阵是通过将核心张量和时间因子矩阵与测量数据的其余部分进行拟合而恢复的。

a.CMR多任务技术产生了沿反转时间维度的精细分辨的对比度变化
b.多任务技术产生的心脏分辨的T1图
四、磁共振多任务的图像模型和采样和重建策略
CMR多任务将心血管图像表示为空间位置的多维函数I(x,t1,t2,…tN)和N个时间维度t1,t2,…tN。每个时间维度对应要解决的不同“任务”,例如时间维度对应于心脏运动、呼吸运动、磁化准备后的时间(沿途的信号演变取决于组织特性参数,如T1和T2)和成像开始后的时间(对描述通过的时间很有用)。
尽管LRT模型释放了从维度诅咒中获得的采样要求,但N+1路张量(或称多维数组)A的大小仍然是指数级的增长。因此,通过单值分解(SVD)阈值化解决方案涉及的相同大小的辅助变量,以未压缩的形式存储图像I用离散形式表示为的N+1路张量(或称多维数组)A对内存的要求是非常高的。此外,图像重建算法的每一次迭代都可能涉及到对A的每一列(其数量可能达到数十万)的操作,以及大矩阵的多个SVD,所有这些都需要大量的计算时间。
训练数据比K空间的其他位置需要更频繁的采样。这个数据子集(“子空间训练数据”)包含有限的空间信息,但有大量适合确定Φ的时间信息。收集的数据要足够频繁,以解决最精细的生理学问题。
如果有序的均匀采样与时间基础函数一致,例如定期采样与呼吸周期、心动周期或磁化准备期同步,这时有序的均匀采样的采样性能会得到心脏和呼吸频率变化的加持。磁化准备时间表通常正好是周期性的,但准备期和采样期的选择可以避免相互同步。为了避免这些问题,可以采用黄金角径向取样或随机笛卡尔取样的采样方案,即使在周期性运动的情况下也能提供不连贯性。

a.对比剂动态被捕捉到的收缩期和舒张期心脏阶段
b.这是由于该方法能够解决心脏运动
c.经过的时间维度(用于描绘对比剂动态)和饱和时间维度相结合,产生二维信号强度表面,而不是传统的一维信号强度曲线
d.这些信号强度表面被用来绘制R(t),它考虑了信号饱和度,并在线性转换后直接得到Gd浓度
五、利用MR多任务进行快速三维稳态CEST(ss-CEST)成像
5.1 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像介绍
化学交换饱和转移是―种非对比性的MRI技术,通过在不同的频率偏移下的预饱和,间接地检测出pool中的可交换元。化学交换饱和转移核磁共振成像提供了一种新的对比机制来成像重要的生理学信息,如在交换质子池和水池之间的PH值和me-tabolite浓度。在不同的饱和频率下收集图像,产生所谓的Z谱,它反映了在给定饱和功率下采样频率偏移的稳态信号。
Z谱的广泛和对称覆盖允许多池分析,同时揭示不同的CEST效应(如酰胺质子转移(APT)、中继核Overhauser增强(rNOE)效应),以及其他特定的应用效应(如糖化CEST、CrCEST和糖化NOE)。为了实现可靠的多池分析,通常要对宽Z谱进行密集采样。考虑到通常采样的几十个频率偏移,每个频率偏移的采集时间(包括长的饱和模块)最好限制在几秒钟,以保持临床实践中可接受的扫描时间。这种时间限制通常只允许对饱和模块后的每个频率偏移进行单次K空间采集。这种单次拍摄方案使得快速、高质量的三维CEST成像变得困难。

(A)序列设计:每个模块(TR=70 ms)包含一个单叶高斯饱和脉冲(txat = 30 ms,翻转角=500°),然后是一个扰流梯度和八个FLASH读出线(一个训练线加七个成像线;翻转角=5°)
该模块在一个特定的频率偏移(Nw=80)处重复,然后切换到另一个
(B)k-空间采样模式:在每个模块中﹐首先获得“训练线”(中心k空间线),然后是七条"成像线"(在xy和ga方向具有高斯分布的伪随机采样线)
5.2 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像
通过优化K空间采样效率,如使用螺旋中心重排序的K空间采集进行快照梯度回波(GRE)读出,或使用CAIPIRINHA下采样的三维EPI读出,缩短了扫描时间。它可以提供1.7×1.7毫米的2面内分辨率,FOV为220×180×54毫米,使用三维GRE读出,每次偏移7秒获得,使用三维EPI读出,每次偏移4.3秒获得1.8毫米的同向分辨率,FOV为256×224×156毫米
一种潜在的更快的方法,即稳态CEST(ss-CEST)方法,以重复模块的交错模式进行预饱和和k空间采样以确保饱和交换稳态在每个频率偏移的大部分时间内保持不变,交错模式在序列设计和可能的加速方面提供了更多的灵活性。
但是最初的ss-CEST方法需要12分钟以上的时间来获取整个Z谱,这对于实际使用来说仍然太长。我们可将径向读出与多线奇异值分解相结合,进一步减少总的扫描时间,使其少于5分钟。与以前的ss-CEST方法相比,每个频率偏移的采集时间从10多秒减少到7.6秒。
磁共振多任务是一种低秩张量的成像策略。通过低秩张量建模,利用在不同频率偏移下获得的图像之间的相关性,以及在接近稳态期间的数据之间的相关性,以减少扫描时间并提高图像质量。这样就可以在5.5分钟内获得覆盖全脑的1.7×1.7×3.0毫米的Z谱的空间分辨率。

注意二维单次FLASH CEST方法中使用的切片厚度为10毫米,大于拟议的三维多任务ss-CEST方法中的3毫米。因此,尽管(A)和(B)之间的切片中心相匹配,但空间覆盖率并不完全相同。
5.3 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像的讨论
与单次采集方法(或假稳态方法)相比,ss-CEST方法确保化学交换过程的稳态在大部分采集时间内得到保持。与单次拍摄方法相比﹐它允许连续采集,以便更有效地穿越K空间。但在原始ss-cEST实现中,仅在平行成像中拥有额外加速源
而MR-Multitasking中的低秩张量模相对于两个单独的序列参数维度:频率偏移和频率增加后的时间,强制执行综合空间维度的低秩性(因此没有对空间结构进行假设)。此外,多任务系统在图像重建过程中采用这种模式来加速采集。
除了加速采集,多作务ss-CEST方法还有两个额外的优点:
(1)在每个频率偏移处的稳态方法被建模,稳态之前的信号被排除,允许使用未被破坏的稳态值进行量化。
(2)Z谱在低秩约束下被自动去噪。考虑到足够的时空关系,加速的唯一明确限制因素为在每个频率偏移处达到稳定状态所的时间
还可以进一步优化多作务ss-CEST方法。首先,我们可以利用先进的K-空间采样轨迹,例如非笛卡尔轨迹(如螺旋线),有可能比笛卡尔采集提高采样效率和不连贯性,进一步减少扫描时间和提高图像质量。
其次,可以 进一步优化特定频率偏移的采样模式,以减少采样频率的总数,这样就可以减少总的扫描时间,同时保持多pool拟合数据的可靠性和稳健性。
相关文章:
MRI多任务技术及应用
目录 一、定量心血管磁共振成像(CMR)的改进方法二、磁共振多任务三、磁共振多任务的成像框架四、磁共振多任务的图像模型和采样和重建策略五、利用MR多任务进行快速三维稳态CEST(ss-CEST)成像5.1 利用MR多任务进行快速三维稳态CEST(ss-CEST)成像介绍5.2 …...
app自动化测试(Android)
Capability 是一组键值对的集合(比如:"platformName": "Android")。Capability 主要用于通知 Appium 服务端建立 Session 需要的信息。客户端使用特定语言生成 Capabilities,最终会以 JSON 对象的形式发送给 …...
【力扣每日一题】2023.9.3 消灭怪物的最大数量
目录 题目: 示例: 分析: 代码: 题目: 示例: 分析: 题目比较长,我概括一下就是有一群怪物,每只怪物离城市的距离都不一样,并且靠近的速度也不一样&#x…...
Python入门教程 | Python3 列表(List)
Python3 列表 序列是 Python 中最基本的数据结构。 序列中的每个值都有对应的位置值,称之为索引,第一个索引是 0,第二个索引是 1,依此类推。 Python 有 6 个序列的内置类型,但最常见的是列表和元组。 列表都可以进…...
Java低代码开发:jvs-list(列表引擎)功能(一)配置说明
在低代码开发平台中,列表页是一个用于显示数据列表的页面。它通常用于展示数据库中的多条记录,并提供搜索、排序和筛选等功能,以方便用户对数据进行查找和浏览。 jvs-list是jvs快速开发平台的列表页的配置引擎,它和普通的crud 具…...
UI自动化之关键字驱动
关键字驱动框架:将每一条测试用例分成四个不同的部分 测试步骤(Test Step):一个测试步骤的描述或者是测试对象的一个操作说明测试步骤中的对象(Test Object):指页面的对象或者元素对象执行的动…...
前端高性能渲染 — 虚拟列表
虚拟列表,实际上就是在首屏加载的时候,只加载可视区域内需要的列表项,当滚动发生时,动态通过计算获得可视区域内的列表项,并将非可视区域内存在的列表项删除。该技术是解决渲染大量数据的一种解决方法。 实现虚拟列表&…...
防水出色的骨传导耳机,更适合户外运动,南卡Runner Pro 4S体验
已经接近尾声的夏季依然酷热,对于运动爱好者来说,这确实也是锻炼的好时机,无论是一会儿就能大汗淋漓的HIIT,还是是各种清凉的水上运动,在健身的同时,戴上一副耳机享受音乐,都会更加痛快一些。 相…...
docker快速安装-docker一键安装脚本
1.下载/配置安装脚本 touch install-docker.sh #!/bin/bash #mail:ratelcloudqq.com #system:centos7 #integration: docker-latestclear echo "######################################################" echo "# Auto Install Docker …...
1584 - Circular Sequence (UVA)
题目链接如下: Online Judge 我的代码如下: #include <cstdio> #include <string.h> const int maxN 101;int T, len, pivot; char a[maxN];int main(){scanf("%d", &T);for(int i 0; i < T; i){scanf("%s"…...
Revit SDK:Selections 选择
前言 Revit 作为一款成熟的商业软件,它将自己的UI选择功能也通过 API 暴露出来。通过 API 可以按照特定的过滤规则来选择相应的元素,能力和UI基本上是等价的。这个 SDK 用四个例子展示了 API 的能力,内容如下。 内容 PickforDeletion 核心…...
K8s中的RBAC(Role-Based Access Control)
摘要 RBAC(基于角色的访问控制)是一种在Kubernetes中用于控制用户对资源的访问权限的机制。以下是RBAC的设计实现说明: 角色(Role)和角色绑定(RoleBinding):角色定义了一组权限&am…...
肖sir__设计测试用例方法之经验测试方法09_(黑盒测试)
设计测试用例方法之经验测试方法 一、经验的测试技术 (1)基于经验的测试技术之错误推测法 错误推测法也叫错误猜测法,就是根据经验猜想,已有的缺陷,测试经验和失败数据等可能有什么问题并依此设计测试用例 ࿰…...
Python爬虫:下载小红书无水印图片、视频
该代码只提供学习使用,该项目是基于https://github.com/JoeanAmier/XHS_Downloader的小改动 1.下载项目 git clone https://github.com/zhouayi/XHS_Downloader.git2.找到需要下载的文章的ID 写入main.py中 3.下载 python main.py最近很火的莲花楼为例<嘿嘿…...
【小沐学Unity3d】3ds Max 多维子材质编辑(Multi/Sub-object)
文章目录 1、简介2、精简材质编辑器2.1 先创建多维子材质,后指定它2.2 先指定标准材质,后自动创建多维子材质 3、Slate材质编辑器3.1 编辑器简介3.2 编辑器使用 结语 1、简介 多维子材质(Multi/Sub-object)是为一个模形࿰…...
# Go学习-Day8
文章目录 Go学习-Day8单元测试Goroutine进程和线程并发和并行Go协程和主线程MPG模式CPU相关协程并行的资源竞争 Go学习-Day8 个人博客:CSDN博客 单元测试 testing框架会将xxx_test.go的文件引入,调用所有TestXxx的函数 在cal_test.go文件里面写这个 …...
Maven编译java及解决程序包org.apache.logging.log4j不存在问题
1、首先新建一个文件夹,比如hello Hello里新建pom.xml <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi…...
【小吉测评】高效简洁的数据库管控平台—CloudQuery
文章目录 🎄CloudQuery是什么🛸CloudQuery支持的数据源类型🍔CloudQuery社区地址🌺如何使用🛸参考官方文档🛸参考视频教程🎈点击免费下载🎈立即下载即可🎈使用服务器完成…...
获取微信小程序二维码的bug
项目场景: 获取微信小程序二维码的bug,原来测试一直是没问题的,上线后也没啥问题,这次突然爆错 问题描述 access_token已失效或已过期 {"errcode":40001,"errmsg":"invalid credential, access_token is invalid…...
Linux之Shell(一)
Linux之Shell Shell概述Linux提供的Shell解析器bash和sh的关系Centos默认的解析器是bash Shell脚本入门脚本格式第一个脚本脚本常用的执行方式 变量系统预定义变量自定义变量特殊变量$n$#\$*、\$$? 运算符条件判断流程控制(▲)if判断case语句for循环while循环 read读取控制台输…...
使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式
一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明:假设每台服务器已…...
智慧医疗能源事业线深度画像分析(上)
引言 医疗行业作为现代社会的关键基础设施,其能源消耗与环境影响正日益受到关注。随着全球"双碳"目标的推进和可持续发展理念的深入,智慧医疗能源事业线应运而生,致力于通过创新技术与管理方案,重构医疗领域的能源使用模式。这一事业线融合了能源管理、可持续发…...
基于Flask实现的医疗保险欺诈识别监测模型
基于Flask实现的医疗保险欺诈识别监测模型 项目截图 项目简介 社会医疗保险是国家通过立法形式强制实施,由雇主和个人按一定比例缴纳保险费,建立社会医疗保险基金,支付雇员医疗费用的一种医疗保险制度, 它是促进社会文明和进步的…...
1688商品列表API与其他数据源的对接思路
将1688商品列表API与其他数据源对接时,需结合业务场景设计数据流转链路,重点关注数据格式兼容性、接口调用频率控制及数据一致性维护。以下是具体对接思路及关键技术点: 一、核心对接场景与目标 商品数据同步 场景:将1688商品信息…...
Module Federation 和 Native Federation 的比较
前言 Module Federation 是 Webpack 5 引入的微前端架构方案,允许不同独立构建的应用在运行时动态共享模块。 Native Federation 是 Angular 官方基于 Module Federation 理念实现的专为 Angular 优化的微前端方案。 概念解析 Module Federation (模块联邦) Modul…...
C++.OpenGL (10/64)基础光照(Basic Lighting)
基础光照(Basic Lighting) 冯氏光照模型(Phong Lighting Model) #mermaid-svg-GLdskXwWINxNGHso {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GLdskXwWINxNGHso .error-icon{fill:#552222;}#mermaid-svg-GLd…...
MySQL 8.0 OCP 英文题库解析(十三)
Oracle 为庆祝 MySQL 30 周年,截止到 2025.07.31 之前。所有人均可以免费考取原价245美元的MySQL OCP 认证。 从今天开始,将英文题库免费公布出来,并进行解析,帮助大家在一个月之内轻松通过OCP认证。 本期公布试题111~120 试题1…...
Golang——9、反射和文件操作
反射和文件操作 1、反射1.1、reflect.TypeOf()获取任意值的类型对象1.2、reflect.ValueOf()1.3、结构体反射 2、文件操作2.1、os.Open()打开文件2.2、方式一:使用Read()读取文件2.3、方式二:bufio读取文件2.4、方式三:os.ReadFile读取2.5、写…...
华为OD最新机试真题-数组组成的最小数字-OD统一考试(B卷)
题目描述 给定一个整型数组,请从该数组中选择3个元素 组成最小数字并输出 (如果数组长度小于3,则选择数组中所有元素来组成最小数字)。 输入描述 行用半角逗号分割的字符串记录的整型数组,0<数组长度<= 100,0<整数的取值范围<= 10000。 输出描述 由3个元素组成…...
如何配置一个sql server使得其它用户可以通过excel odbc获取数据
要让其他用户通过 Excel 使用 ODBC 连接到 SQL Server 获取数据,你需要完成以下配置步骤: ✅ 一、在 SQL Server 端配置(服务器设置) 1. 启用 TCP/IP 协议 打开 “SQL Server 配置管理器”。导航到:SQL Server 网络配…...
