XiaoMi-AI文件搜索系统
World File Search SystemQMRI
标题：改进定量 MRI 计量学 - msu euramet
定量磁共振成像 (qMRI) 缺乏标准化，限制了人工智能 (AI) 在患者图像分析中的应用，以及临床试验中生成的多中心数据的组合，从而无法确定成功的治疗方法。最接近的适用国际标准是 IEC 60601-2-33 医用电气设备 - 第 2-33 部分：医疗诊断用磁共振设备基本安全和基本性能的特殊要求。然而，这还不具备实现标准化或引入 qMRI 图像可比性的必要措施。在规范标准的支持下，引入参考资料及其使用的最佳实践将迈出实现临床中心之间 qMRI 可比性的第一步。
标题：改进定量 MRI 计量学 - msu euramet
定量磁共振成像 (qMRI) 缺乏标准化，限制了人工智能 (AI) 在患者图像分析中的应用，以及临床试验中生成的多中心数据的组合，从而无法确定成功的治疗方法。最接近的适用国际标准是 IEC 60601-2-33 医用电气设备 - 第 2-33 部分：医疗诊断用磁共振设备基本安全和基本性能的特殊要求。然而，这还不具备实现标准化或引入 qMRI 图像可比性的必要措施。在规范标准的支持下，引入参考资料及其使用的最佳实践将迈出实现临床中心之间 qMRI 可比性的第一步。
标题：改进定量 MRI 计量学 - msu euramet
定量磁共振成像 (qMRI) 缺乏标准化，限制了人工智能 (AI) 在患者图像分析中的应用，以及临床试验中生成的多中心数据的组合，从而无法确定成功的治疗方法。最接近的适用国际标准是 IEC 60601-2-33 医用电气设备 - 第 2-33 部分：医疗诊断用磁共振设备基本安全和基本性能的特殊要求。然而，这还不具备实现标准化或引入 qMRI 图像可比性的必要措施。在规范标准的支持下，引入参考资料及其使用的最佳实践将迈出实现临床中心之间 qMRI 可比性的第一步。
标题：定量 MRI 的改进计量学 - msu euramet
定量磁共振成像 (qMRI) 使用缺乏标准化，限制了人工智能 (AI) 在患者图像分析中的引入，以及临床试验中生成的多中心数据的组合以确定成功的治疗方法。最接近的适用国际标准是 IEC 60601-2-33 医用电气设备 - 第 2-33 部分：医疗诊断用磁共振设备基本安全和基本性能的特殊要求。但是，这没有必要的措施来实现标准化，也没有引入 qMRI 图像可比性。引入参考资料及其使用的最佳实践，以规范标准为基础，将迈出实现临床中心之间更大 qMRI 可比性的第一步。
标题：改进定量 MRI 计量学 - msu euramet
定量磁共振成像 (qMRI) 使用缺乏标准化，限制了人工智能 (AI) 在患者图像分析中的引入，以及临床试验中生成的多中心数据的组合以确定成功的治疗方法。最接近的适用国际标准是 IEC 60601-2-33 医用电气设备 - 第 2-33 部分：医疗诊断用磁共振设备基本安全和基本性能的特殊要求。但是，这没有必要的措施来实现标准化，也没有引入 qMRI 图像可比性。引入参考资料及其使用的最佳实践，以规范标准为基础，将迈出实现临床中心之间更大 qMRI 可比性的第一步。
深层古生物学和DNA存活的极限
摘要恶性神经胶质瘤的渗透性会导致活性肿瘤扩散到周围的水肿中，即使在对比度注射后，在常规磁共振成像（CMRI）中也不可见。MR弛豫计（QMRI）测量弛豫率取决于组织特性，并可以提供其他对比机制，以突出非增强的浸润性肿瘤。在考虑深度学习的脑肿瘤检测和分割，术前常规（T1W次和对比度，T2W和FLAIR）以及定量（对比前和后对比度r 1，r 2和Proton密度）中，从23个典型的RADI中获得了一名典型的RADI，与CMRI数据相比，与CMRI序列相比是否提供了其他信息。在考虑基于深度学习的脑肿瘤检测和分割，术前常规（T1W per和Contyptrast和Contypontast，T2W和FLAIR），T2W和FLAIR）以及定量（前后和后对比度R 1，R 2和Proton MINID）MR研究中获得了23个典型的RADI较高的RADI，则获得了GREN。2D深度学习模型对使用CMRI或QMRI进行了横向切片（n = 528）的培训（n = 528），以进行肿瘤检测和分割。此外，对定量r 1和r 2的趋势通过模型解释方法与肿瘤检测相关的区域速率进行了定性分析。肿瘤检测和分割性能，用于对比前和对比后训练的模型最高（检测MATTHEWS相关系数（MCC）= 0.72，分割骰子相似系数（DSC）= 0.90），但是与CMRI相比，差异并不统计具有统计学意义。对使用模型识别的相关区域进行的总体分析表明，在CMRI或QMRI上训练的模型之间没有差异。查看各个病例时，注释以外的大脑区域的松弛率与肿瘤检测相关，在大多数情况下类似于注释中的区域类似的对比注射后显示出变化。总而言之，对QMRI数据培训的模型获得了与接受CMRI数据训练的模型相似的检测性能和分割性能，并在类似的扫描时间内定量测量脑组织性能。在考虑单个患者时，通过模型确定的区域的放松率分析表明，基于CMRI的肿瘤注释以外存在浸润性肿瘤。
创新的定量磁共振工具以检测早期椎间盘变性的变化：系统评价
抽象背景上下文：下背痛（LBP）是全球残疾的主要原因，具有巨大的社会经济负担。它主要是由椎间盘变性（IDD）引起的，这是一个进行性和年龄相关的过程。由于其准确表征椎间盘的形态的能力，磁共振成像（MRI）已被确定为诊断IDD中最有价值的工具之一。创新的定量MRI（QMRI）技术能够检测到最早的IDD迹象。目的：系统地回顾有关新型QMRI技术应用以检测早期IDD更改的可用报告。研究设计：系统文献综述。方法：对PubMed/Medline，Scopus，Cinahl，Embase，Central和Cochrane数据库进行系统搜索，直到2023年1月21日。搜索了有或没有粘性LBP患者的早期生化和建筑IDD变化的创新QMRI工具的随机和非随机研究。记录了有关研究人群，随访时间（适用）和使用的MRI序列的数据。Quadas-2工具用于评估纳入研究偏见的风险。结果：搜索产生了2005年至2022年之间的39篇文章。由于评估水含量，蛋白聚糖和糖胺聚糖的浓度的细微变化的能力，与常规MRI相比，所有新型QMRI技术都显示出提高了早期IDD变化的能力，并且能够评估水含量的细微变化以及分解代谢生物标志物的水平。©2023作者。结论：创新的QMRI技术已被证明有效地识别了EDD的过早变化。需要进一步的研究来验证其在更广泛的人群中的应用，并确认其在临床环境中的适用性。由Elsevier Inc.出版这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）
使用相的定量MRI重建
摘要。定量磁共振成像（QMRI）需要多相的采集，通常依赖于减少数据采样和重建算法来加速扫描，这固有地构成了不良的逆概率。尽管许多研究着重于在此过程中衡量不确定性，但很少有人探索如何利用它来增强重建性能。在本文中，我们介绍了PUQ，这是一种新型的方法，它率先将不确定性信息用于QMRI重建。PUQ采用了两个阶段的重建和参数拟合框架，其中估计在重建过程中估算相位的不确定性，并在拟合阶段使用。此设计允许不确定性反映参数拟合期间不同阶段的可靠性和指导信息集成。我们评估了来自健康受试者的体内T1和T2映射数据集的PUQ。与现有的QMRI重建方法相比，PUQ在参数映射中实现了最新性能，证明了不确定性指导的有效性。我们的代码可在https：// anony-mous.4open.science/r/puq-75b2/上找到。
使用时间改进的 3D-QALAS 中的 T1 和 T2 映射...
简介：T 2 和 T 1 估计可改善各种病理的特征描述，但较长的扫描时间阻碍了定量 MRI (qMRI) 的广泛应用，因此已经开发了序列以实现高效的 3D 采集。例如，3D-QALAS 1 利用交错的 Look-Locker 采集和 T 2 准备脉冲来对 T 1 和 T 2 进行全脑量化。但是，3D-QALAS 应用恒定翻转角并在 5 个时间点重建图像，这些时间点由于冗长的回波序列期间的信号演变而出现模糊。总结图 1，我们建议通过以下方式改进 3D-QALAS：(1) 结合基于子空间的重建来解决完整的时间动态以消除模糊 (2) 使用与自动微分兼容的模拟通过 Cramer-Rao 界限 (CRB) 优化采集翻转角，(3) 并减少每重复时间 (TR) 的总采集次数以缩短扫描时间。方法：子空间重建：传统 3D-QALAS 应用 T 2 准备和反转脉冲并测量 5 次采集，每次采集都利用 4 度翻转的回声序列。不是为 5 次采集中的每次采集重建一个体积，而是让 𝐸 成为 3D-QALAS TR 中 𝐴 采集之一中的回声数量（通常 𝐴= 5，𝐸= 120 →𝑇= 120 × 5 = 600 𝑒𝑐ℎ𝑜𝑒𝑠/𝑇𝑅 ），其中 𝑇 是回声总数。我们生成一个信号演化字典，用 SVD 计算低维线性基 Φ，从而产生一个易于处理的重建问题 𝑎𝑟𝑔𝑚𝑖𝑛 𝛼 ‖𝑦−𝐴Φ𝛼‖ + 𝑅(𝛼) ，其中 𝐴 表示傅里叶、线圈和采样算子以及 𝑅 正则化。通过使用 𝑥= Φ𝛼 解析时空体积，我们旨在利用与 𝑇 回声 2 的字典匹配来估计更清晰的定量图。图 2 (A) 中的体内实验表明，使用子空间可以减少估计的 T 2 图中的模糊。 CRB 翻转角优化：我们通过最小化两种方式的 CRB 来优化 3D-QALAS 中的翻转角：(1) 优化每个回波序列的一个翻转角 (2) 优化每个回波序列中的所有翻转角。我们使用传统的 4 度翻转角初始化了这两种优化，利用了代表性组织参数 [T 2 =70ms、T 1 =700ms、M0=1] 和 [T 2 =80ms、T 1 =1300ms、M0=1]，并最小化了基于 CRB 的成本函数。我们为 3D-QALAS 实现了自动微分兼容信号模拟 3，从而能够计算基于 CRB 的优化的梯度。减少采集：我们通过从 TR 末尾移除采集，设计了具有 A ={5,4,3} 采集的优化序列，从而加快了扫描速度。实验：我们在扫描仪上实施了针对每个回波序列进行优化的 3D-QALAS 序列，并使用 Mini System Phantom、型号 #136（CaliberMRI，美国科罗拉多州博尔德）和人类受试者（经 IRB 批准）上的常规和优化序列采集数据，进行了 3 次和 5 次采集（1x1x1mm3 分辨率，R=2）。我们比较了使用子空间重建（秩 = 3）和字典匹配估计的定量图。结果：优化序列：图 2（B）绘制了优化的翻转角和（C）与应用子空间重建进行定量估计时的传统序列相比的所得 CRB。优化可以减少 CRB 或者以更少的采集次数匹配传统的 5 次采集 CRB，从而有可能缩短扫描时间。模型和体内：图 3（A）和（B）显示了从模型和体内数据估计的图，其中每个 ETL 翻转角优化的序列（A=3,5 次采集）与恒定翻转角匹配。讨论和结论：未来的工作将实施全翻转角优化序列来解决未来实验中的 T 1 偏差。将子空间重建与自动微分启用的翻转角优化相结合，可获得改进的 3D-QALAS 序列，并将扫描时间缩短 1.75 倍。参考文献：[1] Kvernby, S. et al. J. Cardiovasc. Magn. Reson. 16 , 102 (2014)。[2] Tamir, JI 等人 Magn. Reson. Med. 77 , 180–195 (2017)。[3] Lee, PK 等人 Magn. Reson. Med. 82 , 1438–1451 (2019)。致谢：NIH R01 EB032708、R01HD100009、R01 EB028797、U01 EB025162、P41 EB030006、U01 EB026996、R03EB031175、R01EB032378、5T32EB1680