XiaoMi-AI文件搜索系统
World File Search SystemSPGR
从 SPGR 信号准确估计 T1
简介 [1] 图的 T 下标可以通过使用不同翻转角和/或重复时间 (TR) 获取的损坏梯度回忆回波 (SPGR) 图像计算得出。信号强度与翻转角和 TR 之间的关联函数是非线性的，但目前广泛使用的是 Gupta 于 1977 年 [1] 提出的线性形式 [1-6]。利用该线性模型，可以用线性最小二乘 (LLS) 法估计 [1] 的 T 下标，该方法具有计算效率高的优点。然而，我们的初步研究发现，使用这种 LLS 方法估计的 [1] 的 T 下标普遍存在偏差且被高估 [7]。我们提出了一种新的加权线性最小二乘 (WLLS) 方法，该方法在拟合中使用调整后的不确定性。所提出的 WLLS 方法用不确定性对每个数据点进行加权，该不确定性可校正由非线性模型转换为线性模型产生的噪声贡献。使用数值和人脑数据模拟来比较使用 LLS、WLLS 和非线性最小二乘 (NLS) 方法估计的 [1] 的 T 下标的准确性。
定量磁化转移MRI MRI由On-...
定量磁化转移（QMT）成像旨在定量评估运动限制的宏观分子和周围水质子之间发生的磁化交换过程。用于大脑成像，经典QMT方法使用了两池模型1-3，该模型应用于伪造的损坏的梯度重新授予的（SPGR）数据。4这种方法得出的最相关的定量参数是大分子质子馏分（MPF），它对脑组织的变化具有公平的敏感性。5,6在QMT框架中，需要对T 1放松的独立测量才能解散松弛和MT效应，并提供估计MPF的估计。变量翻转角（VFA）–SPGR和MT-SPGR数据通常合并，并且使用7-9个或共同使用10，以估计明显的自由池T 1和其他QMT参数。关节估计是有益的，因为它明确考虑了两池模型中大分子和自由池之间的磁化交换，以进行更准确的t 1和MPF估计。11