项目名称: 脑微出血定量检测中的正向磁化率计算方法研究

项目编号: No.81501464

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 医药、卫生

项目作者: 朱海涛

作者单位: 中国科学院高能物理研究所

项目金额: 18万元

中文摘要: 脑微出血存在于23%的阿尔茨海默症、40%的缺血性中风、68%的出血性中风和85%的血管性痴呆症中。脑微出血的准确检测有助于脑部疾病的早期预警,治疗方案的选择以及病理机制的研究。磁化率加权成像是目前应用最普遍的脑微出血检测方法,但它是非定量的,导致无法对不同成像条件下的结果进行对比,不利于对患者的病情跟踪和对大样本量病例的统计分析。磁化率作为物质的本质属性,可作为脑微出血的客观评价标准。但是以逆运算为基础的磁化率成像属于不适定性问题,其逆变换中的奇异值使结果对噪声敏感,并易产生干扰脑微出血检测的伪影。本课题拟提出一种正向磁化率计算方法以避免运算中的奇异性,采用线性回归的磁化率算法和原始卷绕数据下的相位算法以提高计算的准确性和客观性。本课题拟通过不同成像条件下的体模实验对方法的客观性进行评价,并在临床脑微出血患者的检测中进行验证。本课题将为脑微出血的临床磁共振检测提供一种客观准确的定量方法。

中文关键词: 脑微出血;定量分析;磁化率;逆问题;磁共振相位图像

英文摘要: Cerebral microbleeds exist in 23% of Alzheimer’s disease, 40% of ischemic stroke, 68% of hemorrhagic stroke and 85% of vascular dementia. Accurate detection of cerebral microbleeds is important for the early diagnosis, treatment and mechanism study of cerebral diseases. Currently, most widely-used susceptibility weighted imaging method is non-quantitative. It is unable to provide comparison among results from different imaging conditions. Consequently, it is difficult to track the development of cerebral microbleeds if the data come from different MRI scanners. It also bring obstacle to the statistical analysis of large data from multiple MRI centers. Magnetic susceptibility, as an inherent physical property, may provide an objective criterion for microbleeds measurement. However, inverse-problem-based quantitative susceptibility mapping is limited by its ill-posed property. It leads to high sensitivity to noise and impose artifact on microbleeds detection. This project aims to propose a forward quantitative method for the measurement of cerebral microbleeds. It may improve the accuracy and stability of susceptibility measurement by using a linear regression method and a wrapping-independent phase calculating algorithm. The method is planned to be validated by phantom imaging at different MRI systems and using variable scanning parameters. Finally, the method is planned to be verified by clinical diagnosis of patients with cerebral microbleeds. The output of this project may provide a more accurate and objective method for the quantitative measurement of cerebral microbleeds and enable the comparison among different imaging conditions.

英文关键词: cerebral microbleeds ;quantitative analysis;magnetic susceptibility;inverse problem;MRI phase image

成为VIP会员查看完整内容
0

相关内容

【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
22+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
21+阅读 · 2021年4月20日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
PyTorch | 优化神经网络训练的17种方法
极市平台
3+阅读 · 2021年12月30日
GPU 显存不足怎么办?
AINLP
13+阅读 · 2019年8月16日
已删除
黑白之道
19+阅读 · 2018年12月23日
干货 :基于用户画像的聚类分析
数据分析
22+阅读 · 2018年5月17日
文本分析 | 常用距离/相似度 一览
数说工作室
26+阅读 · 2017年10月12日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
Differentiable Time-Frequency Scattering in Kymatio
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
17+阅读 · 2019年3月28日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
小贴士
相关VIP内容
相关资讯
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
PyTorch | 优化神经网络训练的17种方法
极市平台
3+阅读 · 2021年12月30日
GPU 显存不足怎么办?
AINLP
13+阅读 · 2019年8月16日
已删除
黑白之道
19+阅读 · 2018年12月23日
干货 :基于用户画像的聚类分析
数据分析
22+阅读 · 2018年5月17日
文本分析 | 常用距离/相似度 一览
数说工作室
26+阅读 · 2017年10月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员