Academic Industrial Partnership on Advanced Perfusion MRI

高级灌注 MRI 学术工业合作伙伴关系

基本信息

  • 批准号:
    10365824
  • 负责人:
  • 金额:
    $ 60.73万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2022
  • 资助国家:
    美国
  • 起止时间:
    2022-05-01 至 2026-01-31
  • 项目状态:
    未结题

项目摘要

SUMMARY Arterial spin labeled (ASL) perfusion MRI provides noninvasive quantification of tissue blood flow in physiological units of ml/100g/min using magnetic labeling of blood water as an endogenous diffusible flow tracer, and is one of the few MRI parameters whose biological basis is known. ASL MRI has primarily been used in the brain to measure cerebral blood flow (CBF), a key physiological parameter that serves a biomarker of cerebrovascular integrity and regional brain function with a broad range of applications in basic and clinical neuroscience research and in clinical care. ASL MRI was originally conceived by our laboratory at the University of Pennsylvania, and we have been responsible for demonstrating many of its technical advances and applications in biomedical research. Although ASL MRI has been translated to clinical use, commercial ASL MRI technologies have failed to keep up with research progress. In response to the special funding mechanism: PAR-18-530, this Academic Industrial Partnership project will provide dedicated resources to further develop, maintain, and deliver state-of-the-art ASL MRI acquisition and processing technologies for clinical research on the Siemens MRI platform, which is the most widely used MRI platform in neuroscience. An Academic Industrial Partnership is needed because market forces for commercial MRI technologies have been insufficient to drive the development of state-of-the-art ASL MRI capabilities in product sequences, yet close collaboration between academia and industry are required to deliver a streamlined capability to users. The resulting technologies will be disseminated free of charge to research sites through a new code exchange platform developed by Siemens. While a major innovation will be the delivery of a free ASL MRI software package featuring state-of-the-art approaches to maximize sensitivity, spatial and temporal resolution, and robustness to artifacts to meet evolving research and clinical requirements for noninvasive quantification of regional cerebral blood flow, next-generation approaches leveraging deep machine learning and other improved computing hardware and algorithms are also proposed to achieve higher spatial and temporal resolution, faster online image reconstructions, and improved robustness to artifacts than are currently possible. The proposed alliance will leverage the interdisciplinary expertise of the investigative team to provide a reliable, reproducible, flexible and user friendly technology for quantifying a key parameter of brain health and function that also has numerous clinical applications, including the evaluation of brain tumors and other organ systems. The feasibility of the proposed work is supported by our preliminary data and track record of ASL MRI technology development and dissemination.
概括 标记(ASL)灌注MRI的动脉自旋提供了生理学中组织血流的无创定量 ML/100g/min的单位使用血液的磁标记作为内源性扩散流示踪剂,是一个 在少数已知生物学基础的MRI参数中。 ASL MRI主要用于大脑 测量脑血流(CBF),这是一种为脑血管生物标志物提供的关键生理参数 在基本和临床神经科学研究中具有广泛应用的完整性和区域大脑功能 并在临床护理中。 ASL MRI最初是由我们的实验室在宾夕法尼亚大学构想的, 我们负责证明其在生物医学中的许多技术进步和应用 研究。尽管ASL MRI已转化为临床使用,但商业ASL MRI技术失败了 跟上研究进度。 为了响应特殊资金机制:PAR-18-530,这个学术工业伙伴关系项目将 提供专门的资源来进一步开发,维护和提供最先进的ASL MRI获取和 在西门子MRI平台上用于临床研究的处理技术,该平台是使用最广泛的MRI 神经科学的平台。需要学术工业伙伴关系,因为商业市场力量 MRI技术不足以推动最先进的ASL MRI功能的发展 产品序列,但需要学术界和行业之间的密切合作才能提供简化的 用户的功能。由此产生的技术将通过A免费传播到研究地点 西门子开发的新代码交换平台。 虽然主要的创新将是提供免费的ASL MRI软件软件包,其中包含最先进 最大程度地提高灵敏度,空间和时间分辨率以及对伪影的鲁棒性的方法 对区域脑血流无创量化的研究和临床要求,下一代 利用深度机器学习和其他改进的计算硬件和算法的方法也是 提议实现更高的空间和时间分辨率,更快的在线图像重建和改进 对工件的鲁棒性比目前的可能性。 拟议的联盟将利用调查团队的跨学科专业知识来提供可靠的, 可重现,灵活和用户友好的技术,用于量化大脑健康和功能的关键参数 这也有许多临床应用,包括评估脑肿瘤和其他器官系统。 我们的初步数据和ASL MRI技术的记录支持了拟议工作的可行性 发展和传播。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Yulin V Chang其他文献

Yulin V Chang的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Yulin V Chang', 18)}}的其他基金

Academic Industrial Partnership on Advanced Perfusion MRI
高级灌注 MRI 学术工业合作伙伴关系
  • 批准号:
    10610906
  • 财政年份:
    2022
  • 资助金额:
    $ 60.73万
  • 项目类别:

相似国自然基金

时空序列驱动的神经形态视觉目标识别算法研究
  • 批准号:
    61906126
  • 批准年份:
    2019
  • 资助金额:
    24.0 万元
  • 项目类别:
    青年科学基金项目
本体驱动的地址数据空间语义建模与地址匹配方法
  • 批准号:
    41901325
  • 批准年份:
    2019
  • 资助金额:
    22.0 万元
  • 项目类别:
    青年科学基金项目
大容量固态硬盘地址映射表优化设计与访存优化研究
  • 批准号:
    61802133
  • 批准年份:
    2018
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目
针对内存攻击对象的内存安全防御技术研究
  • 批准号:
    61802432
  • 批准年份:
    2018
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目
IP地址驱动的多径路由及流量传输控制研究
  • 批准号:
    61872252
  • 批准年份:
    2018
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目

相似海外基金

Supporting Biomedical Discovery with the ROBOKOP Graph Knowledgebase.
使用 ROBOKOP 图知识库支持生物医学发现。
  • 批准号:
    10697371
  • 财政年份:
    2022
  • 资助金额:
    $ 60.73万
  • 项目类别:
Computational Toolkit for Normalizing the Impact of CT Acquisition and Reconstruction on Quantitative Image Features
用于标准化 CT 采集和重建对定量图像特征影响的计算工具包
  • 批准号:
    10530062
  • 财政年份:
    2022
  • 资助金额:
    $ 60.73万
  • 项目类别:
Academic Industrial Partnership on Advanced Perfusion MRI
高级灌注 MRI 学术工业合作伙伴关系
  • 批准号:
    10610906
  • 财政年份:
    2022
  • 资助金额:
    $ 60.73万
  • 项目类别:
Improved optical Monte Carlo simulation through standardization, robustness, and training
通过标准化、鲁棒性和训练改进光学蒙特卡罗模拟
  • 批准号:
    10584410
  • 财政年份:
    2022
  • 资助金额:
    $ 60.73万
  • 项目类别:
Supporting Biomedical Discovery with the ROBOKOP Graph Knowledgebase.
使用 ROBOKOP 图知识库支持生物医学发现。
  • 批准号:
    10494653
  • 财政年份:
    2022
  • 资助金额:
    $ 60.73万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了