論文の概要: Accurate myocardial T1 mapping at 5T using an improved MOLLI method: A validation study

• arxiv url: http://arxiv.org/abs/2503.08425v3
• Date: Tue, 30 Sep 2025 09:21:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:44:59.697678
• Title: Accurate myocardial T1 mapping at 5T using an improved MOLLI method: A validation study
• Title（参考訳）: 改良MOLLI法による5T心筋T1マッピングの高精度化
• Authors: Linqi Ge, Yinuo Zhao, Yubo Guo, Yuanyuan Liu, Yihang Zhou, Haifeng Wang, Dong Liang, Hairong Zheng, Yining Wang, Yanjie Zhu,
• Abstract要約: 本研究の目的は, 5T MRIシステムのための, 正確かつ臨床的に応用可能な心筋T1マッピング技術を開発することである。 The method is based on a 5-(3)-3 MOLLI sequence, called combined-correction MOLLI (coMOLLI)。 この方法はファントム実験で検証され、21人の健康なボランティアと9人の患者で検証された。
• 参考スコア（独自算出の注目度）: 23.685630065832584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Accurate myocardial T1 mapping at 5T remains a technical challenge due to field inhomogeneity and prolonged T1 values. The aim of this study is to develop an accurate and clinically applicable myocardial T1 mapping technique for 5T magnetic resonance imaging (MRI) systems and validate its performance in a multicenter study. Methods: The proposed method is based on a 5-(3)-3 MOLLI sequence, dubbed combined-correction MOLLI (coMOLLI), which corrects for both inversion efficiency and readout-induced signal disturbances. Specifically, coMOLLI employs a gradient recalled echo (GRE) readout rather than the commonly used bSSFP readout. Its signal evolution is modeled to estimate T1 values, which incorporates both inversion efficiency and readout disturbances to improve fitting accuracy. To further enhance accuracy, the inversion pulse was redesigned under hardware constraints and the observed B0 and B1 variations over the heart at 5T, using adiabatic hyperbolic secant (HSn) and tangent/hyperbolic tangent (Tan/Tanh) pulses. The method was validated in phantom experiments, as well as in 21 healthy volunteers and 9 patients. Results: The optimized inversion pulse at 5T is the Tan/Tanh pulse with A = 10 kHz, K_s = 4, k = 22, and T_p = 8 ms. In phantom studies, coMOLLI showed high accuracy versus reference IR-FSE, yielding relative errors within 5% for all nine vials. In vivo studies, the average native myocardial T1 values across 21 healthy volunteers were 1468 +/- 48 ms, 1514 +/- 39 ms, and 1545 +/- 50 ms, and blood T1 values were 2182 +/- 132 ms, 2124 +/- 153 ms, and 2131 +/- 158 ms for apical, middle, and base slices, respectively. Conclusion: The coMOLLI method demonstrated high accuracy in phantom studies and feasibility in vivo studies. By adopting the widely used 5-(3)-3 MOLLI acquisition scheme, it shows potential for clinical cardiac imaging at 5T.
• Abstract（参考訳）: 背景: 5Tでの正確な心筋T1マッピングは、フィールド不均一性とT1値の長期化による技術的課題である。 本研究の目的は,5T磁気共鳴画像(MRI)システムのための正確かつ臨床的に応用可能な心筋T1マッピング技術を開発し,その性能を多施設研究で検証することである。 方法: 提案手法は, 5-(3)-3 MOLLI 配列を基本とした複合補正MOLLI (coMOLLI) を用いて, インバージョン効率と読み出し信号障害を補正する。 特に、coMOLLIは一般的なbSSFP読み出しではなく、勾配リコールエコー(GRE)読み出しを用いる。 信号の進化はT1値を推定するためにモデル化され、インバージョン効率とリードアウト障害の両方を取り入れて適合精度を向上させる。 さらに精度を高めるために、インバージョンパルスはハードウェア制約の下で再設計され、観察されたB0とB1は、拡張型双曲性セシタント(HSn)とタンジェント/双曲性タンジェント(Tan/Tanh)パルスを用いて5Tで心臓に変化した。 この方法はファントム実験や21人の健康なボランティアと9人の患者で検証された。 結果: 5Tにおける最適化逆パルスは, A = 10 kHz, K_s = 4, k = 22, T_p = 8 msのTan/Tanhパルスである。 健常者21名の平均心筋T1値は1468+/-48ms,1514+/-39ms,1545+/-50msで,血液T1値は2182+/-132ms,2124+/-153ms,2131+/-158msであった。 結論: coMOLLI法はファントム研究において高い精度を示し, 生体内での可能性を示した。 広範に用いられている5-(3)-3 MOLLI 取得法を応用し, 5T におけるクリニカル心筋イメージングの可能性を示した。

関連論文リスト

• Generalizable 7T T1-map Synthesis from 1.5T and 3T T1 MRI with an Efficient Transformer Model [1.5775766573756949]
  7T MRIは、標準臨床野強度(1.5T, 3T)よりも解像度とコントラストが向上する しかし、7Tスキャナーは高価で不足しており、感受性アーティファクトのような追加の課題を導入している。 1.5T または 3T T1-weighted (T1W) 画像から 7T 品質 T1-map を合成するための効率的なトランスフォーマーモデル (7T-Restormer) を提案する。
  論文  参考訳（メタデータ） (2025-07-11T14:59:27Z)
• Joint image reconstruction and segmentation of real-time cardiac MRI in free-breathing using a model based on disentangled representation learning [0.0]
  提案手法は心電図のゲーティングや呼吸ホールドを必要とせずに,高品質な心血管データを1～2分で取得できる。 スキャン時間が短く、患者の快適さが向上し、不整脈に対する堅牢性が向上し、患者への不適合が増している。
  論文  参考訳（メタデータ） (2024-09-13T08:17:51Z)
• MBSS-T1: Model-Based Subject-Specific Self-Supervised Motion Correction for Robust Cardiac T1 Mapping [13.966263676155373]
  心臓T1マッピングにおける運動補正のための主観的自己教師モデルMBSS-T1を提案する。 MBSS-T1は210人の患者の公開データセット上で5倍の試験を行い、ベースライン深層学習登録法より優れていた。 MBSS-T1は、より広範囲の患者に対するモーションローバストT1マッピングを可能にし、準最適コンプライアンスなどの課題を克服する。
  論文  参考訳（メタデータ） (2024-08-21T21:03:36Z)
• Large-Scale Multi-Center CT and MRI Segmentation of Pancreas with Deep Learning [20.043497517241992]
  膵疾患の診断と経過観察には膵の容積分画の自動化が必要である。 そこで我々は,nnUNetとTransformerネットワークの長所と,ボリューム計算が可能な新しい線形アテンションモジュールを組み合わせたPanSegNetを開発した。 T1W MRIは85.0% (std: 7.9%) , T2W MRIは86.3% (std: 6.4%) であった。
  論文  参考訳（メタデータ） (2024-05-20T20:37:27Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  心臓血管疾患(CVD)が世界的に死因となっている。 光コヒーレンストモグラフィー(OCT)は早期のCVDリスク予測の潜在的なツールとして認識されている。 我々は,将来のCVD事象を予測するための追加撮像技術としてのOCTの可能性について検討した。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)
• PCMC-T1: Free-breathing myocardial T1 mapping with Physically-Constrained Motion Correction [15.251935193140982]
  自由呼吸T1マッピングにおける動作補正のための物理制約付きディープラーニングモデルであるPCMC-T1を紹介する。 信号減衰モデルをネットワークアーキテクチャに組み込んで、縦方向緩和軸に沿った物理的に楽観的な変形を促す。
  論文  参考訳（メタデータ） (2023-08-22T08:50:38Z)
• Generalizable synthetic MRI with physics-informed convolutional networks [57.628770497971246]
  物理インフォームド・ディープ・ラーニング(Deep Learning-based)法を開発し,複数の脳磁気共鳴画像(MRI)のコントラストを1つの5分間の取得から合成する。 我々は、任意のコントラストに一般化し、ニューロイメージングプロトコルを加速する能力について検討する。
  論文  参考訳（メタデータ） (2023-05-21T21:16:20Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• 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)
• 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)
• Fully Automated Myocardial Strain Estimation from CMR Tagged Images using a Deep Learning Framework in the UK Biobank [0.33271859484894845]
  本研究の目的は,短軸磁気共鳴タグ画像から心筋のひずみを推定するために,完全自動ディープラーニングフレームワークの有効性と性能を実証することである。 この枠組みは、糖尿病、高血圧症、および以前の心臓発作の患者において、周囲のひずみを著しく減少させた。
  論文  参考訳（メタデータ） (2020-04-15T12:49:15Z)

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。