論文の概要: Upper-body free-breathing Magnetic Resonance Fingerprinting applied to the quantification of water T1 and fat fraction
- arxiv url: http://arxiv.org/abs/2409.16200v1
- Date: Tue, 24 Sep 2024 15:57:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 05:17:23.289638
- Title: Upper-body free-breathing Magnetic Resonance Fingerprinting applied to the quantification of water T1 and fat fraction
- Title（参考訳）: 水T1および脂肪分定量に応用した上半身自由呼吸型磁気共鳴フィンガープリント
- Authors: Constantin Slioussarenko, Pierre-Yves Baudin, Marc Lapert, Benjamin Marty,
- Abstract要約: そこで本稿では, 動き補正(MoCo) MRF T1-FF という新しい手法を提案し, 最適化された予備動作スキャンを用いて運動場を推定する。
MRFマップでは, 呼吸筋, 肝臓, ぼやけなどの運動に強く影響された部位において, 運動補正後の運動の減少と, 失明の進行が顕著であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the past decade, Magnetic Resonance Fingerprinting (MRF) has emerged as an efficient paradigm for the rapid and simultaneous quantification of multiple MRI parameters, including fat fraction (FF), water T1 ($T1_{H2O}$), water T2 ($T2_{H2O}$), and fat T1 ($T1_{fat}$). These parameters serve as promising imaging biomarkers in various anatomical targets such as the heart, liver, and skeletal muscles. However, measuring these parameters in the upper body poses challenges due to physiological motion, particularly respiratory motion. In this work, we propose a novel approach, motion-corrected (MoCo) MRF T1-FF, which estimates the motion field using an optimized preliminary motion scan and uses it to correct the MRF acquisition data before dictionary search for reconstructing motion-corrected FF and $T1_{H2O}$ parametric maps of the upper-body region. We validated this framework using an $\textit{in vivo}$ dataset comprising ten healthy volunteers and a 10-year-old boy with Duchenne muscular dystrophy. At the ROI level, in regions minimally affected by motion, no significant bias was observed between the uncorrected and MoCo reconstructions for FF (mean difference of -0.7%) and $T1_{H2O}$ (-4.9 ms) values. Moreover, MoCo MRF T1-FF significantly reduced the standard deviations of distributions assessed in these regions, indicating improved precision. Notably, in regions heavily affected by motion, such as respiratory muscles, liver, and kidneys, the MRF parametric maps exhibited a marked reduction in motion blurring and streaking artifacts after motion correction. Furthermore, the diaphragm was consistently discernible on parametric maps after motion correction. This approach lays the groundwork for the joint 3D quantification of FF and $T1_{H2O}$ in regions that are rarely studied, such as the respiratory muscles, particularly the intercostal muscles and diaphragm.
- Abstract（参考訳）: 過去10年間で、磁気共鳴フィンガープリント(MRF)は、脂肪分率(FF)、水T1(T1_{H2O}$)、水T2(T2_{H2O}$)、脂肪T1(T1_{fat}$)を含む複数のMRIパラメータの迅速かつ同時定量化のための効率的なパラダイムとして登場した。
これらのパラメータは、心臓、肝臓、骨格筋などの様々な解剖学的標的において、有望なバイオマーカーとして機能する。
しかし、これらのパラメータを上半身で測定することは、生理的運動、特に呼吸運動による課題を引き起こす。
本研究では,移動補正FFとT1_{H2O}$パラメトリックマップの辞書検索の前に,最適化された予備動作スキャンを用いて運動場を推定し,MDF取得データを補正する新しい手法,MoCo (Mocorrected) MRF T1-FFを提案する。
健常者10名とDuchenne型筋ジストロフィーを主訴とした10歳児のデータセットを用いて,この枠組みを検証した。
ROIレベルでは、運動の影響が最小限であった地域では、FF(-0.7%の差)とT1_{H2O}$(-4.9 ms)の値に対する非補正とMoCoの再構成の間に有意なバイアスは見られなかった。
さらに,MoCo MRF T1-FFはこれらの領域で評価された分布の標準偏差を著しく低減し,精度が向上した。
特に, 呼吸筋, 肝臓, 腎臓などの運動の影響が大きい地域では, MRFパラメトリックマップでは, 運動補正後の運動のぼやけやストリーキングアーティファクトが顕著に減少していた。
さらに、横隔膜は運動補正後のパラメトリックマップ上で一貫して識別可能であった。
このアプローチは、呼吸筋、特に腸間筋や横隔膜など、まれに研究される領域において、FFとT1_{H2O}$の3D定量化のための基礎となる。
関連論文リスト
- Implicit neural representation for free-breathing MR fingerprinting (INR-MRF): co-registered 3D whole-liver water T1, water T2, proton density fat fraction, and R2* mapping [13.625898586293502]
INR-MRFは3D全肝T1,T2,R2*,PDFFマッピングを1回のフリーブレススキャンで可能とした。
論文 参考訳（メタデータ） (2024-10-19T18:35:36Z) - LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation [5.377722774297911]
本稿では,標準CMRビデオから高精度なDENSE動作を予測するため,新しいラミネートモーション拡散モデル(LaMoD)を提案する。
実験の結果,提案手法であるLaMoDは標準CMR画像の動作解析の精度を大幅に向上することが示された。
論文 参考訳（メタデータ） (2024-07-02T12:54:32Z) - TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial
Network for early-to-late frame conversion in dynamic cardiac PET inter-frame
motion correction [15.380659401728735]
本稿では,TAI-GAN(Temporally and Anatomically Informed Generative Adrial Network)と呼ばれる新しい手法を提案する。
提案手法は臨床用82-Rb PETデータセットを用いて評価し, この結果から, TAI-GANは実際の参照フレームに匹敵する高画質の変換早期フレームを生成できることが示唆された。
論文 参考訳（メタデータ） (2024-02-14T20:39:07Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳（メタデータ） (2023-11-22T05:44:51Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳（メタデータ） (2023-07-07T18:57:21Z) - Precise Few-shot Fat-free Thigh Muscle Segmentation in T1-weighted MRI [22.292183145915548]
T1強調MRIは、大腿筋マスクを得るためのデフォルトのサロゲートである。
ディープ・ラーニング・アプローチは、最近、セグメンテーションを通じてこれらのマスクを得るために広く使われている。
我々はIMFを除く大腿筋マスクを生成するための数発のセグメンテーションフレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-27T09:33:29Z) - Estimating Head Motion from MR-Images [0.0]
頭部運動は磁気共鳴画像(MRI)解析の完全な共同創設者である。
本稿では,T1重み付き(T1w),T2重み付き(T2w)およびFLAIR画像から直接,走査内頭部の動きを予測する深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-02-28T11:03:08Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳（メタデータ） (2020-06-24T15:25:11Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。