SQUID-based instrumentation for ultra-low-field MRI
超低场磁共振成像是一种很有前途的新型成像方法，它利用SQUID传感器在微泰斯拉测量场测量预极化核自旋布居的空间编码进动。在这项工作中，七通道SQUID系统设计的同时三维超低频MRI和脑磁图（MEG）。该系统包括七个二阶SQUID梯度计，其特征在于磁场分辨率为1.2 - 2.8 fT/rtHz。它还配备了五组线圈，用于预偏振的3D傅立叶成像。设计的基本技术细节进行了讨论。该系统的超低频MRI性能是通过在40 mT预极化的46微特斯拉测量场下采集的保存羊脑的多通道3D图像来证明的。成像分辨率为2.5 mm x 2.5 mm x 5 mm。将ULF MRI图像与使用常规高场MRI获得的相同大脑图像进行比较。讨论了提高成像信噪比的各种方法。
2007-07-30 physics.ins-det physics.med-ph
Manganese-based macrocyclic chelates as novel MRI contrast agents: In vivo imaging in a porcine model
Oslo University Hospital（奥斯陆大学医院）；GE Healthcare Pharmaceutical Diagnostics（通用电气医疗制药诊断部）；University of Oslo（奥斯陆大学）
本研究开发了基于锰的环状螯合物作为MRI对比剂，在猪模型中展示其良好的体内成像性能及与现有钆螯合物相当的临床应用潜力。
2025-11-25 physics.med-ph
Parallel MRI at microtesla fields
并行成像技术已广泛应用于高场磁共振成像（MRI）中。多个接收器线圈已被证明可以提高图像质量并允许加速图像采集。超低场磁共振成像是一种新型的成像方法，它利用超导量子干涉仪（SQUID）传感器在微泰斯拉测量场测量预极化核自旋布居的空间编码进动。在这项工作中，并行成像在微特斯拉领域的首次系统研究。设计用于ULF MRI和脑磁图（MEG）的七通道SQUID系统用于采集人手的3D图像以及大型水模的2D图像。在46微特斯拉测量场下进行成像，预极化为40 mT。它示出了如何使用七个通道增加成像视场和改善信噪比的手图像。一个简单的程序近似校正伴随梯度伪影。对噪声传播进行了实验分析，找出了相关噪声的主要来源。在二维体模的情况下，研究了基于一维欠采样和一维SENSE（灵敏度编码）图像重建的加速成像。实际的3倍成像加速度相比，单平均完全编码傅立叶成像证明。这些结果表明，并行成像方法在ULF MRI中是有效的，并且基于SQUID的仪器的成像性能随着通道数量的增加而显著提高。
2008-03-28 physics.ins-det physics.med-ph
Simultaneous imaging of hard and soft biological tissues in a low-field dental MRI scanner
硬生物组织的磁共振成像（MRI）由于其对共振刺激的响应的短暂寿命和低强度而具有挑战性，特别是在低磁场下。因此，MRI对某些医疗应用（如牙科）的影响仍然有限。在这里，我们提出了三维重建的离体人类牙齿，以及兔头和牛股骨的一部分，所有获得的场强只有260 mT。这些图像是第一个在亚特斯拉场同时显示软组织和硬组织的图像，并且它们是在自制的专用医疗前MRI扫描仪中获得的，该扫描仪旨在展示低场设置下的牙科成像。我们编码的空间信息与两个变化的零回波时间（中兴通讯）脉冲序列：逐点编码时间减少与径向采集（PETRA）和一个新的序列，我们称之为双径向不停止自旋回波（DRaNSSE），我们发现执行比前者更好。对于图像重建，我们采用代数重建技术（ART）以及标准傅立叶方法。所得图像的噪声分析表明，ART重建表现出更高的信噪比与更均匀的噪声分布。
2020-05-04 eess.IV physics.ins-det physics.med-ph
Reduction of Electromagnetic Interference in ultra-low noise Bimodal MEG & EEG
Charité-Universitätsmedizin Berlin（柏林夏里特医科大学）；Technische-Universität Ilmenau（伊尔梅瑙工业大学）
本文通过精心设计减少电磁干扰，实现了超低噪声双模MEG与EEG的同步单次试验检测
2025-08-19 physics.med-ph
Simultaneous Multi-Slice MRI using Cartesian and Radial FLASH and Regularized Nonlinear Inversion: SMS-NLINV
目的：基于正则化非线性反演（NLINV）的加速同步多层（SMS）MRI的无校准并行成像方法的开发，使用笛卡尔和径向FLASH进行评估。理论与方法：NLINV是一种并行成像方法，使用具有正则化的牛顿型方法联合估计图像内容和线圈灵敏度。这里，NLINV被扩展到SMS-NLINV，用于重建和分离所有同时采集的切片。扩展的方法的性能进行评估，为不同的采样方案，使用幻影和体内实验的基础上笛卡尔和径向SMS-FLASH序列。结果：通过与ESPIRiT的比较，基本算法在笛卡尔实验中得到了验证。对于笛卡尔和径向采样，改进的结果相比，单切片的实验证明，它进一步表明，使用互补样本的采样方案优于方案，在每个分区相同的样本。结论：NLINV算法的SMS数据的扩展，并成功地证明了与笛卡尔和径向SMS-FLASH序列相结合。
2017-08-03 physics.med-ph
Diffusion propagator metrics are biased when simultaneous multi-slice acceleration is used
正在探索先进的扩散MRI模型，以更高的精度研究大脑的复杂微观结构。然而，这些技术需要长的采集时间。同时多切片（SMS）通过同时激发多个图像切片并使用数学模型分离重叠切片来加速数据采集。然而，这种切片分离是不精确的，并且导致同时激励的切片之间的串扰。虽然这种残余泄漏很小，但它会影响定量MRI技术，如扩散成像。在这项研究中，SMS加速的影响，从MAP-MRI技术获得的传播度量的准确性进行了研究。用SMS加速多壳扩散MRI采集对10名健康志愿者进行扫描。进行组分析以研究通常受SMS加速影响的大脑区域。此外，从基于图谱的感兴趣的纤维束的扩散度量进行了分析，以调查如何传播度量在主要的纤维束偏置2和3波段SMS加速。当使用SMS加速度时，零位移度量和非高斯度量都显著改变。根据SMS-3计算的MAP-MRI指标显示与SMS-2存在显著差异。此外，当使用由SMS加速提供的较短TR时，该偏置的特征已经改变。这对使用具有SMS加速的扩散MRI研究疾病或损伤对脑组织的影响具有影响。
2021-05-03 physics.med-ph
Simultaneous multi-slice reconstruction by Regularized Nonlinear Inversion
提高成像速度在体内磁共振成像（MRI）中是至关重要的。利用同步多切片（SMS）MRI，我们可以同时采集对象的多个切片，通过利用轴向线圈灵敏度信息，与单切片或常规多切片测量相比，这允许更高的欠采样因子。在这篇论文中，我们简要介绍了MRI的物理原理，涵盖了基于FLASH的SMS MRI序列的基础知识，并进行了测试以验证其准确性：我们检查了切片距离和翻转角的保真度，并确认了SMS与传统多切片实验相比的平方根样信噪比优势。一个g-因子分析是用来确定一个有利的笛卡尔欠采样方案的多切片数据。SMS MRI的常见重建策略利用先前估计的线圈灵敏度来求解线性方程。本文提出了一种基于正则化非线性反演（NLINV）的SMS MRI新方法：SMS-NLINV。该方法不需要关于线圈灵敏度的先验知识，并且特别对于实时成像是有吸引力的，其中线圈灵敏度可能由于运动或对切片位置的交互式改变而改变。我们表征的算法，并提出重建的幻影和在体内的图像。
2016-12-16 physics.comp-ph physics.med-ph
Hybrid-space reconstruction with add-on distortion correction for simultaneous multi-slab diffusion MRI
提出一种基于模型的混合空间重建算法，用于同步多层块扩散MRI，结合畸变校正联合重建blip-up/down数据，能同时校正相位误差与图像畸变，显著降低g因子惩罚。
2023-03-31 physics.med-ph
Auxetics-Inspired Tunable Metamaterials for Magnetic Resonance Imaging
物理学是指具有负泊松比的结构或材料，从而能够表现出违反直觉的行为。本文中，利用拉胀结构来设计在兆赫（MHz）频率下操作的平面和半球形配置中的机械可调谐超材料，针对它们在磁共振成像（MRI）中的应用进行了优化。特别地，所报道的可调谐超材料由具有金属螺旋的相互连接的单位单元阵列组成，使得具有负泊松比的拉胀图案成为可能。超材料的可展开变形通过单位单元之间的电磁相互作用的最终修改产生关于频率可调谐性的附加自由度。超材料使用3D打印技术制造，并且在变形期间实现谐振模式的~20 MHz频移。在临床（3.0特斯拉）MRI中进行了实验验证，证明超材料能够在共振匹配条件下显著提高射频（RF）场强，最终大幅提高MRI的信噪比（SNR）（~ 4.5倍）。本文提出的可调谐超材料提供了一种新的途径，使超材料在MRI中的实际利用，以及一系列其他新兴的应用。
2021-07-28 physics.app-ph physics.med-ph
Quantum Sensing MRI for Noninvasive Detection of Neuronal Electrical Activity in Human Brains
New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）；NYU Langone Health（纽约大学朗根健康中心）
本文提出量子传感MRI技术，利用临床MRI系统直接检测神经元活动引起的磁场，通过水分子中的质子自旋实现非侵入性神经电信号检测，为功能性成像提供新方法。
2026-03-13 physics.med-ph quant-ph
Compartment-specific estimation of T2 and T2* with diffusion-PEPTIDE MRI
本研究针对传统扩散MRI无法区分脑内不同组织分区弛豫差异的问题，基于diffusion-PEPTIDE采集技术提出新型微结构模型与多步拟合方法，首次实现从在体数据中同时估计分区特异性T2、T2*及扩散参数，并通过仿真验证了估计的准确性和精确性。
2024-08-19 physics.med-ph
3D Diffusion MRI Using Simultaneous Multi-slab with Blipped-CAIPI (Blipped-SMSlab) in a 4D K-space Framework
目的：在4D k空间框架中开发一种高效的并行成像中具有闪烁控制混叠的同时多板成像方法（blipped-SMSlab），并证明其在高分辨率扩散MRI（dMRI）中的有效性。理论与方法：首先，SMSlab 4D k空间信号的表达式，并从板内和板间编码在同一物理z轴上的相位干扰进行了分析。然后，设计了blipped-SMSlab dMRI序列，其中blipped-CAIPI梯度用于板间编码，并且2D多频带加速导航器用于kz激发间相位校正。第三，开发了通过在重构期间的RF相位调制和/或相位校正来去除相位干扰的策略，从而解耦否则纠缠的板内和板间编码。通过活体实验验证了Blipped-SMSlab方法的有效性，并与传统的二维成像方法进行了比较，初步评价了其在高分辨率dMRI中的性能。结果如下：在4D k空间框架中，使用所提出的策略成功地消除了blipped-SMSlab的板间和板内相位干扰。与非CAIPI采样相比，翻转SMSlab采集将g因子和g因子相关SNR损失降低了约12%。此外，体内实验表明，对于具有匹配采集时间的1.3和1.0 mm各向同性分辨率成像，blipped-SMSlab dMRI的SNR优于传统2D dMRI。结论：消除板间和板内相位干扰使SMSlab dMRI能够在4D k空间框架中使用blipped-CAIPI。所提出的blipped-SMSlab dMRI被证明比2D …
2023-01-09 physics.med-ph
Improved Simultaneous Multi-Slice Functional MRI Using Self-supervised Deep Learning
University of Minnesota（明尼苏达大学）；Center for Magnetic Resonance Research（磁共振研究中心）
功能性磁共振成像（fMRI）通常用于解释整个大脑的神经活动。许多加速功能磁共振成像技术的目的是提供更好的时空分辨率。其中，同步多切片（SMS）成像已成为一种强大的策略，成为大规模研究的一部分，如人类连接组项目。然而，当SMS成像与平面内加速相结合以获得更高的加速率时，传统的SMS重建方法可能遭受噪声放大和其他伪影。最近，深度学习（DL）技术在改善MRI重建方面引起了人们的兴趣。然而，这些方法通常以监督的方式训练，这需要完全采样的参考数据，这在高加速的fMRI采集中是不可行的。不需要完全采样数据的自监督学习最近被提出，并显示出与监督学习相似的性能。然而，它只适用于面内加速度。此外，DL重建对后续fMRI分析的影响仍不清楚。在这项工作中，我们将自监督DL重建扩展到SMS成像。我们的研究结果表明，前瞻性的10倍加速的7T fMRI数据的自我监督DL减少重建噪声和抑制残留的伪影。随后的功能磁共振成像分析仍然没有改变DL处理，而改善的时间信噪比产生更高的一致性估计之间的任务运行。
2021-05-10 cs.CV cs.LG eess.IV
Simultaneous use of Individual and Joint Regularization Terms in Compressive Sensing: Joint Reconstruction of Multi-Channel Multi-Contrast MRI Acquisitions
多对比度图像通常一起采集，以最大限度地补充诊断信息，尽管以较长的扫描时间为代价。获取高质量多对比度图像的一种省时策略是加速单个序列，然后使用联合正则化项重建欠采样数据，该联合正则化项利用对比度之间的公共信息。然而，这些术语可能会导致对比子集所特有的特征泄漏到其他对比中。这种特征的泄漏可能表现为人造组织，从而误导诊断。本研究的目标是开发一种压缩感知方法，用于多通道多对比度磁共振成像（MRI），最佳地利用共享信息，同时防止特征泄漏。联合正则化项组稀疏度和颜色总变差用于利用图像之间的共同特征，而个体稀疏度和总变差也用于防止不同特征在对比度之间的泄漏。采用基于乘子交替方向法的快速算法解决了多通道多对比度重建问题。所提出的方法进行了比较，仅使用个人和联合正则化项重建。对单通道模拟和多通道体内数据集的重建质量和神经放射学家阅片评分进行了比较。所提出的方法证明了快速收敛和提高图像质量的模拟和体内数据集。此外，虽然仅使用联合正则化项的重建容易出现特征泄漏，但所提出的方法通过同时使用联合和个体项可靠地避免了泄漏，从而为临床应用带来了很大的希望。
2020-10-21 eess.IV physics.med-ph
Simultaneous Segmentation and Relaxometry for MRI through Multitask Learning
目的：本研究展示了一种用于人脑组织三维同步分割和弛豫测量的MR信号多任务学习方法。材料与方法：一个三维反演准备的平衡稳态自由进动序列用于获取在体多对比度脑图像。深度神经网络包含3个残差块，每个块有8个完全连接的层，具有sigmoid激活，层范数，每层有256个神经元。在线合成的MR信号演变和标签被用来逐批训练神经网络。正常灰质、白质和脑脊液（CSF）的T1和T2值的经验定义范围被用作先验知识。对3名健康志愿者进行MRI脑实验以及动物（N=6）和前列腺患者（N=1）实验。结果如下：在动物验证实验中，根据所提出的方法估计的T1和T2值与地面真实值之间的差异/误差（平均差异$\pm$差异标准差）分别为113 $\pm$ 486和154 $\pm$ 512 ms（T1），5 $\pm$ 33和7 $\pm$ 41 ms（T2）。在健康志愿者实验（N=3）中，全脑分割和弛豫测量在约5秒内完成。估计的表观T1和T2图与已知的脑解剖结构一致，不受线圈灵敏度变化的影响。成功分割了灰质、白质和CSF。深度神经网络还可以生成合成的T1和T2加权图像。结论：所提出的多任务学习方法可以直接生成大脑表观T1和T2图，以及合成的T1和T2加权图像，结合灰质，白质和CSF的分割。
2019-11-27 eess.IV physics.med-ph
Neuromelanin-MRI using 2D GRE and deep learning: considerations for improving the visualization of substantia nigra and locus coeruleus
提出一种结合深度学习重建的神经黑色素-MRI成像协议，通过优化翻转角及分辨率等参数，在约7分钟内实现SN和LC的良好可视化。
2023-06-28 physics.med-ph
Fast quantitative MRI as a nonlinear tomography problem
定量磁共振成像（MRI）基于两步方法：估计体内的磁矩分布，然后逐体素量化人体组织特性。这种分离简化了计算，但对测量过程提出了几个限制，限制了其效率。在这里，我们执行定量MRI作为一个步骤的过程中，信号定位和参数量化同时获得的解决方案的基础上的第一性原理的大规模非线性反演问题。因此，可以放松对测量过程的约束，并且可以采用在临床MRI扫描仪中时间有效且广泛可用的采集方案。我们表明，非线性断层扫描方法是适用于MRI和返回人体组织图从很短的实验。关键词：MR-STAT，定量MRI，非线性断层扫描，MR指纹，大规模反演。
2017-11-17 physics.app-ph physics.med-ph
Simultaneous Image Quality Improvement and Artefacts Correction in Accelerated MRI
Translational Radiomics, Luxembourg Institute of Health, Luxembourg（转化放射组学，卢森堡健康研究所，卢森堡）；In-Vivo Imaging Platform, Luxembourg Institute of Health, Luxembourg（活体成像平台，卢森堡健康研究所，卢森堡）；Faculty of Electrical Engineering and Communication, Brno University of Technology, Czech Republic（电气工程与通信学院，布拉格技术大学，捷克共和国）；Institute of Scientific Instruments of the Czech Academy of Sciences, Czech Republic（捷克科学院科学仪器研究所，捷克共和国）
USArt模型通过双子模型方法，同时提高加速MRI图像质量并校正噪声和运动伪影，实现5倍加速和伪影校正。
2025-11-28 cs.AI cs.CV physics.med-ph
MRI-compatible electromagnetic servomotors for image-guided robotic procedures
University of Utah（犹他大学）
将磁共振成像（MRI）无与伦比的软组织成像能力与高精度机器人技术相结合，有可能提高各种图像引导医疗程序的准确性、精确度和安全性。然而，高功能MRI兼容机器人系统的目标尚未实现，因为医疗机器人使用的传统电磁伺服电机在MRI扫描仪的强磁场附近可能成为危险的抛射体。在这里，我们报告了一种新的电磁屏蔽设计，它是由非磁性组件，并可以在临床扫描仪的患者区域内运行。我们表明，这种设计能够在成像过程中实现高扭矩和精确控制的旋转致动。使用这种设计，MRI兼容的机器人进行了构建和测试。该机器人证明，在组织中操纵大直径手术器械所需的线性力可以在与MRI同步成像期间实现。这项工作提出了第一个功能齐全的电磁屏蔽，可以安全地操作（同时成像）在病人区的3特斯拉临床MRI扫描仪。
2021-08-16 cs.RO physics.med-ph
Estimation of Physiological Motion Using Highly Accelerated Continuous 2D MRI
众所周知，患者运动会降低医学成像期间的图像质量。尤其是正电子发射断层成像（PET）由于其通常较长的扫描时间而易受运动的影响。在混合PET/MRI（磁共振成像）中，同时采集的动态MRI数据可用于校正运动。通常，基于MRI模型的运动校正方法被应用于PET数据。然而，这些方法对于不可预测的不规则运动可能失败。我们提出了一种新的方法，用于连续和实时跟踪运动，使用高加速，动态MRI的准确运动估计。为此，在单次模式下使用TurboFLASH序列，并额外利用GRAPPA加速。一个切片的采样频率高达26 ms，一个3D体积的20个冠状切片的采样频率高达520 ms。主成分分析和相敏感的重新排序切片进行恢复的体积的时间一致性。使用超弹性配准从这些体积估计运动。该方法是有效的帮助下，一个动态的胸部幻影，以及与11名健康志愿者。幻影地面实况数据表明，该方法产生准确的运动估计。志愿者验证证明，该方法也适用于不同的呼吸幅度，包括高度不规则的呼吸。该方法可以被证明是有前途的连续PET运动校正。
2019-05-20 physics.med-ph
MRI2Qmap: multi-parametric quantitative mapping with MRI-driven denoising priors
MRI2Qmap通过整合物理模型与深度学习先验，实现无需地面真实数据的高效定量MRI重建，提升高加速成像性能。
2026-03-11 cs.CV cs.LG physics.med-ph
Modeling Nuclear Reactions for PET/MRI MultiModal Imaging: the innovative use of 52gMn
多模态成像是一种创新技术，它结合了基于不同物理过程的诊断检查，以获得具有更详细临床信息的独特图像。同时使用PET和MRI的可能性可以通过使用特定的放射性同位素：52gMn来实现。产生该同位素的主要途径是反应52 Cr（p，n）52 gMn，本文利用三个核反应程序对该反应进行了理论研究。进行截面的分析和所产生的放射性同位素的产生速率和时间演化的计算，以确定最佳的产生参数。对于该反应所描述的程序具有普遍有效性，并且也适用于其他反应，例如52Cr（d，2n）52gMn和natV（alpha，x）52gMn。
2020-06-19 nucl-th physics.med-ph
Robust Simultaneous Multislice MRI Reconstruction Using Slice-Wise Learned Generative Diffusion Priors
College of Health Science and Environmental Engineering, Shenzhen Technology University（深圳科技大学健康科学与环境工程学院）；University Medical Center Göttingen（哥廷根大学医学中心）；Guangdong-Hongkong-Macau CNS Regeneration Institute, Key Laboratory of CNS Regeneration (Jinan University)-Ministry of Education, Jinan University（广东-港澳-澳门神经科学再生研究所，神经科学再生重点实验室（暨南大学）-教育部，暨南大学）；Department of Radiology, The First Hospital of Tsinghua University（清华大学第一医院放射科）；Center for Biomedical Imaging Research, Department of Biomedical Engineering, School of Medicine, Tsinghua University（清华大学生物医学成像研究中心，生物医学工程系，医学院）；Key Laboratory for Biomedical Engineering of Ministry of Education, College of Biomedical Engineering and Instrument Science, Zhejiang University（教育部生物医学工程重点实验室，生物医学工程与仪器科学学院，浙江大学）；Department of Endocrinology and Metabolism, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine（浙江大学医学院邵逸夫医院内分泌科）；Lab of Molecular Imaging and Medical Intelligence, Department of Radiology, Longgang Central Hospital of Shenzhen (Shenzhen Clinical Medical College, Guangzhou University of Chinese Medicine（分子成像与医学智能实验室，放射科，深圳龙岗中心医院（深圳临床医学院，广州中医药大学；龙岗临床学院，汕头大学医学院））；Longgang Clinical Institute of Shantou University Medical College)
ROGER通过深度生成先验和低频增强模块，实现鲁棒的同时多切片MRI重建，提升解剖和功能成像质量。
2025-12-15 cs.AI cs.CV eess.IV
HEALPix View-order for 3D Radial Self-Navigated Motion-Corrected ZTE MRI
压缩感知已经重振了磁共振成像（MRI）中的非笛卡尔采样领域。到目前为止，还没有满足同时动态/高分辨率成像（例如自导航运动校正高分辨率神经成像）的所有期望特性的3D径向视图顺序。在这项工作中，我们研究使用分层等面积等纬度像素化（HEALPix）生成的三维（3D）径向视图顺序的MRI，并比较常用的3D视图顺序的选择。通过模拟适用于调制传递函数、对比度和SNR测量的点扩散函数和倾斜表面对象，对所得轨迹进行评估。将HEALPix视图顺序的结果与广义螺旋、2D黄金分割和随机视图顺序进行比较。最后，我们展示了首次使用HEALPix视图顺序来获取体内脑图像。
2019-10-26 astro-ph.IM eess.IV physics.med-ph
SMURF: Scalable method for unsupervised reconstruction of flow in 4D flow MRI
Purdue University（普渡大学）
SMURF通过无监督学习方法提升4D流体MRI的分割与速度场重建精度，实现高噪声环境下的鲁棒性与临床应用价值
2026-01-25 physics.med-ph
Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network
Rensselaer Polytechnic Institute（伦斯勒理工学院）；Cedars-Sinai Medical Center（西达赛奈医疗中心）；University of California, Los Angeles（加州大学洛杉矶分校）
电影心脏磁共振成像（MRI）由于其能够以优异的对比度呈现心血管特征，被广泛用于心脏疾病的诊断。然而，与计算机断层扫描（CT）相比，MRI需要长的扫描时间，这不可避免地引起运动伪影并引起患者的不适。因此，有一个强大的临床动机，开发技术，以减少扫描时间和运动伪影。鉴于其在其他医学成像任务中的成功应用，如MRI超分辨率和CT金属伪影减少，深度学习是减少心脏MRI运动伪影的一种有前途的方法。在本文中，我们提出了一个递归神经网络，同时提取空间和时间的特点，从采样不足，运动模糊电影心脏图像，以提高图像质量。实验结果表明，在两个临床测试数据集上的图像质量大大提高。此外，我们的方法使数据驱动的帧内插在增强的时间分辨率。与现有方法相比，我们的深度学习方法在结构相似性（SSIM）和峰值信噪比（PSNR）方面具有优异的性能。
2020-06-23 cs.LG eess.IV physics.med-ph
Physics-driven Deep Learning for PET/MRI
University of California, San Francisco（加州大学旧金山分校）；University of California, Berkeley（加州大学伯克利分校）；University of Colorado（科罗拉多大学）
在本文中，我们回顾了物理和数据驱动的重建技术，同时正电子发射断层扫描（PET）/磁共振成像（MRI）系统，这对癌症，神经系统疾病和心脏病的临床成像具有显着的优势。这些重建方法利用先验，无论是结构或统计，连同基于物理的PET系统响应的描述。然而，由于正问题的嵌套表示，直接PET/MRI重建是一个非线性问题。我们阐述了一种多方面的方法如何适应混合数据和物理驱动的机器学习来重建3D PET/MRI，总结了过去5年来在解决衰减校正，散射，低光子计数和数据一致性方面的重要深度学习发展。我们还描述了这些多模态方法的应用如何超越PET/MRI，以提高放射治疗计划的准确性。最后，我们讨论了根据基于物理和深度学习的计算成像和下一代探测器硬件的最新趋势扩展当前最先进技术的机会。
2022-06-11 cs.LG eess.IV eess.SP
MD-Recon-Net: A Parallel Dual-Domain Convolutional Neural Network for Compressed Sensing MRI
压缩感知磁共振成像（CS-MRI）是一种理论框架，它能够以比经典Nyquist-Shannon采样定理所设定的采样率低得多的采样率从欠采样的k空间数据中精确地重建图像。因此，CS-MRI可以有效地加快采集时间，减轻患者的心理负担，同时保持高成像质量。传统的CS-MRI重建方法是通过迭代数值求解器来解决的，通常存在计算成本高和缺乏精确的手工先验知识的问题。在本文中，受深度学习（DL）的快速推理和出色的端到端性能的启发，我们提出了一种名为MD-Recon-Net的新型级联卷积神经网络，以促进快速准确的MRI重建。特别是，不同于现有的基于DL的方法，操作单域数据或两个域在一定的顺序，我们提出的MD-Recon-Net包含两个并行和交互式的分支，同时执行的k空间和空间域数据，探索k空间和空间域之间的潜在关系。仿真实验结果表明，该方法不仅在视觉效果上优于现有的几种方法，而且在模型规模和计算量方面也优于其他基于深度学习的方法.
2020-05-18 eess.IV physics.med-ph
Beat Pilot Tone (BPT): Simultaneous MR Imaging and RF Motion Sensing at Arbitrary Frequencies
本文提出拍频导频音（BPT）方法，通过发射多个任意频率射频音并利用接收链路互调，在磁共振扫描中同时感知运动，实验证明其灵敏度随频率变化且优于传统导频音，并可与PT互补实现多输入多输出运动监测。
2024-06-07 eess.IV eess.SP physics.med-ph
Low-Cost and Detunable Wireless Resonator Glasses for Enhanced Eye MRI with Concurrent High-Quality Whole Brain MRI
Vanderbilt University Institute of Imaging Science, Vanderbilt University Medical Center（范德堡大学成像科学研究所，范德堡大学医学中心）；Department of Electrical and Computer Engineering, Vanderbilt University（范德堡大学电气与计算机工程系）；Philips（飞利浦）；Department of Biomedical Engineering, Vanderbilt University（范德堡大学生物医学工程系）；Department of Radiology and Radiological Sciences, Vanderbilt University Medical Center（范德堡大学医学中心放射学与放射科学系）
本文提出了一种无线谐振器眼镜，通过增强眼部MRI信噪比而不影响全脑图像质量，采用可调谐LC回路共振器提升信号质量。
2025-09-10 eess.IV physics.med-ph
Joint learning of cartesian undersampling and reconstruction for accelerated MRI
Technion（以色列理工学院）；University of Waterloo（滑铁卢大学）
磁共振成像（MRI）被认为是当今软组织的黄金标准模式。然而，较长的采集时间使其更容易产生运动伪影，并导致该检查的成本相对较高。多年来，多项研究集中在设计用于MRI的缩减测量方案和图像重建方案，然而，这些问题迄今为止被单独地解决。另一方面，最近的工作在光学计算成像已经证明了越来越多的成功的同时学习为基础的设计的采集和重建方案，表现出显着改善重建质量与有限的时间预算。受这些成功的启发，在这项工作中，我们建议学习加速MR采集方案（笛卡尔轨迹的形式）与图像重建运营商。为此，我们提出了一种算法，用于以可区分的方式训练组合的采集-重建管道端到端。我们证明了在不同的加速率使用学习的笛卡尔轨迹的意义。
2020-04-05 cs.CV eess.IV eess.SP
Highly efficient MRI through multi-shot echo planar imaging
多激发回波平面成像（msEPI）是一种很有前途的方法，以实现高平面内分辨率，高采样效率和低T2* 模糊。然而，由于几何失真、拍摄到拍摄的相位变化和潜在的受试者运动，msEPI仍然是MRI中的挑战。在这项工作中，我们介绍了强大的，高品质的msEPI没有相位导航仪的采集和重建策略。我们提出了使用交错的向上和向下相位编码的向上向下采集（BUDA），并将B 0前向建模到Hankel结构的低秩模型中，以实现无失真和导航的msEPI。我们通过将同时多层面采集和虚拟线圈重建结合到BUDA技术中来提高采集效率和重建质量。我们进一步将BUDA与新的RF编码gSlider采集（称为BUDA-gSlider）相结合，以实现快速的高各向同性分辨率MRI。使用基于模型的重建部署BUDA-gSlider可以在大约1分钟内实现无失真的全脑1 mm各向同性T2标测。它还提供全脑1 mm各向同性扩散成像，具有高几何保真度和SNR效率。最后，我们在EPI读出过程中加入正弦波梯度，以更好地使用具有受控混叠的线圈灵敏度编码。
2019-08-02 eess.IV physics.med-ph
Physics informed guided diffusion for accelerated multi-parametric MRI reconstruction
University of Bristol, Bristol, United Kingdom（英国布里斯托大学）；GE HealthCare, Munich, Germany（德国慕尼黑GE医疗）；University of Zurich, Zurich, Switzerland（瑞士苏黎世大学）
提出MRF-DiPh，一种物理信息引导去噪扩散方法，通过近端分裂结合预训练扩散模型作为先验，并在重建中强制k空间测量一致性与Bloch响应模型约束，有效解决高度加速MRF逆问题，优于深度学习与压缩感知基线。
2025-06-29 cs.LG eess.IV physics.med-ph
PILOT: Physics-Informed Learned Optimized Trajectories for Accelerated MRI
Technion（以色列理工学院）；Waterloo University（滑铁卢大学）
磁共振成像（MRI）一直被认为是诊断医学成像的“黄金标准”之一。然而，长的采集时间使得MRI易于产生运动伪影，更不用说它们对MRI检查的相对高成本的不利贡献。在过去的几十年里，多项研究都集中在开发用于加速MRI扫描采集的物理和后处理方法上。然而，这两种方法迄今为止是分开处理的。另一方面，最近的工作在光学计算成像已经证明了越来越成功的并行学习为基础的设计数据采集和图像重建计划。这样的方案已经证明了相当大的有效性，导致明显更短的采集时间和改进的图像重建质量。受此初步成功的启发，在这项工作中，我们提出了一种新的方法来学习最佳方案的联合采集和重建的MRI扫描，同时进行的优化方面的时间效率的数据采集和重建的质量。为了具有实用价值，以一般k空间轨迹的形式对方案进行编码，其相关联的磁梯度被约束为服从一组预定义的硬件要求（如根据例如，磁梯度的峰值电流和最大转换速率）。考虑到这一前提条件，我们提出了一种新的算法，用于使用具有可微分前向和反向传播算子的深度神经网络对联合采集重建管道进行端到端训练。我们证明了其有效性的图像重建和图像分割任务，报告的加速因素以及这些任务的质量方面的重大改进。
2021-04-13 cs.CV eess.IV physics.med-ph
Acquisition-invariant brain MRI segmentation with informative uncertainties
UCL（伦敦大学学院）；KCL（伦敦国王学院）
结合多站点数据可以加强和揭示趋势，但这是一项受到站点特定协变量影响的任务，这些协变量可能会使数据产生偏差，因此任何下游分析都会受到影响。事后多站点校正方法存在，但具有在现实世界场景中通常不成立的强假设。算法的设计应考虑特定位点的影响，如序列参数选择产生的影响，在泛化失败的情况下，应能够通过明确的不确定性建模来识别这种失败。这部分工作展示了这样一种算法，它可以在分割任务的背景下对采集的物理过程变得鲁棒，同时对不确定性进行建模。我们证明，我们的方法不仅可以推广到完整的保留数据集，保持分割质量，而且还可以考虑特定于站点的序列选择，这也使其能够作为协调工具。
2021-11-07 cs.CV cs.LG eess.IV
