基于多b值图像联合重建的弥散磁共振成像新方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61671228
  • 项目类别:
    面上项目
  • 资助金额:
    58.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0125.医学信息检测与处理
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

Multiple quantitative metrics fitted from multiple b-value diffusion-weighed magnetic resonance imaging (dMRI) data by using bi-exponential function or non-Gaussian diffusion models can more accurately characterize the tissue diffusion, and thus is helpful to increase the detection rate of disease and has great potential in the differential diagnosis, staging and therapeutic evaluation of lesions. Thus, the technique and application of multiple-b-value dMRI have been receiving substantive attention in current research. The diffusion parameter quantification accuracy and precision in multiple-b-value dMRI is challenged by low signal-to-noise ratios. The current imaging techniques usually require a large number of b-value acquisitions and multiple averages to obtain accurate and precise high-resolution quantification maps, but at expense of significantly increased imaging time, which limits the wide application of multiple-b-value dMRI in routine clinical practice. To tackle this problem, in this project, we propose to incorporate the correlation between multiple b-value images into the image reconstruction and parameter quantification process. We focus on developing novel model-based priors, data-driven constraints and motion correction methods for the effective introduction of inter-image correlation to the conventional reconstruction. The combination of the proposed methods with multiband excitation and sparsity constraint will have great potential to improve quality of reconstruction and the parameter quantification accuracy and precision of multiple-b-value dMRI. The project may reduce the required averages at high b values, and thus will significantly shorten the imaging time. In summary, this project will provide novel and improved techniques for quantification in multiple-b-value dMRI, and benefit the differential diagnosis, staging and therapeutic evaluation of various lesions.
采集多个b值的扩散加权磁共振(dMRI)图像,利用双指数衰减或非高斯弥散模型进行拟合获得多个量化参数,可以更准确地刻划组织的弥散特性,用于疾病的诊断,有助于提高病变的检出率,在疾病的鉴别、分级与疗效评价中具有重要的应用前景。获得高精准高分辨率的多b值弥散参数图,由于受信噪比低的限制,当前的成像方法需要采集较多的b值与平均次数,成像时间较长,是该技术难以在临床广泛应用的主要障碍。本项目提出在多b值dMRI中的图像重建与量化参数估计引入图像之间的相关信息做约束,开展dMRI多b值联合重建中的模型相关先验约束设计、数据驱动先验约束设计及运动校正方法研究,结合多频带激发与稀疏约束,目标是提高低信噪比与欠采样k空间数据下多b值dMRI量化参数估计的精准度,降低成像所需时间。本项目研究将为多b值dMRI的量化参数估计提供更快速更精准的技术方法,使其更好地服务于病变组织的鉴别、分级与疗效评价。

结项摘要

弥散加权磁共振成像,简称dMRI,可以反映生物组织中的水分子随机运动信息,广泛应用于脑科学研究与临床影像学检查。采集多b值dMRI图像,利用数学模型进行拟合,可获得刻划组织弥散特性的量化参数,有助于提高病变的检出率,并在病变的鉴别、分级与疗效评价中具有重要的应用前景。.本项目按照原计划开展的主要研究内容包括:模型相关先验的dMRI多b值图像联合重建方法;数据驱动先验的dMRI多b值图像联合重建方法;dMRI多b值图像联合重建中的运动校正方法。此外,拓展研究了如下内容:定量磁化率成像、dMRI图像Gibbs伪影去除、相位解缠绕、多b值dMRI定量参数用于肝窦阻塞综合征评估等。.本项目提出了一种基于模型的多b值欠采样dMRI数据重建算法,该算法将图像间指数衰减模型作为先验信息引入重建目标函数,同时对参数图加入全变分约束,可以直接从k空间原始数据出发重建出定量的参数图;提出了一种多方向图像联合dMRI重建算法,先得到各向同性图像,然后再叠加上各向异性图像得到每个方向的扩散加权图像,在数据量变少的情况下,能够获得更准确的定量参数图;提出一种基于特征值分析的数据驱动多次dMRI图像重建算法,从导航回波数据中利用特征值分析的方法提取相位不一致信息和线圈敏感度编码信息,然后在图像域重建出最终的图像,图像信噪比优于传统的k空间域重建结果;提出一种迭代运动补偿算法来校正多激发dMRI中的大范围运动问题,用导航回波估计相位和运动信息,然后将估计的运动信息代入到迭代重建框架中来校正存在的大范围的运动;提出一种基于聚类的CIRIS方法来校正大范围运动对多激发高分辨率dMRI的影响,降低了运动造成的图像模糊与伪影。.本项目研究获得的基于多b值图像之间相关性的dMRI重建系列新方法,将为多b值dMRI的量化参数成像提供更快速更精准的技术方法,为病变组织的分级或分期提供更可靠的量化诊断信息,更好地服务于临床疾病的诊断与治疗。

项目成果

期刊论文数量(19)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
基于局部亚像素移位和隔行局部变差消除Gibbs伪影
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    南方医科大学学报
  • 影响因子:
    --
  • 作者:
    王正策;赵凯旋;徐中标;冯衍秋
  • 通讯作者:
    冯衍秋
Alterations of white matter structural networks in patients with non-neuropsychiatric systemic lupus erythematosus identified by probabilistic tractography and connectivity-based analyses.
通过概率纤维束成像和基于连接的分析确定非神经精神系统性红斑狼疮患者白质结构网络的改变
  • DOI:
    10.1016/j.nicl.2016.12.021
  • 发表时间:
    2017
  • 期刊:
    NEUROIMAGE-CLINICAL
  • 影响因子:
    4.2
  • 作者:
    Xu, Man;Tan, Xiangliang;Zhang, Xinyuan;Guo, Yihao;Mei, Yingjie;Feng, Qianjin;Xu, Yikai;Feng, Yanqiu
  • 通讯作者:
    Feng, Yanqiu
Differential coupling between subcortical calcium and BOLD signals during evoked and resting state through simultaneous calcium fiber photometry and fMRI
通过同步钙纤维光度测定和功能磁共振成像,在诱发和静息状态下皮层下钙和 BOLD 信号之间的差分耦合
  • DOI:
    10.1016/j.neuroimage.2019.07.006
  • 发表时间:
    2019-10
  • 期刊:
    NeuroImage
  • 影响因子:
    5.7
  • 作者:
    Tong Chuanjun;Dai Jian-kun;Chen Yuyan;Zhang Kaiwei;Feng Yanqiu;Liang Zhifeng
  • 通讯作者:
    Liang Zhifeng
MRI Gibbs-ringing artifact reduction by means of machine learning using convolutional neural networks
通过使用卷积神经网络的机器学习减少 MRI 吉布斯振铃伪影
  • DOI:
    10.1002/mrm.27894
  • 发表时间:
    2019
  • 期刊:
    Magnetic Resonance in Medicine
  • 影响因子:
    3.3
  • 作者:
    Zhang Qianqian;Ruan Guohui;Yang Wei;Liu Yilong;Zhao Kaixuan;Feng Qianjin;Chen Wufan;Wu Ed X.;Feng Yanqiu
  • 通讯作者:
    Feng Yanqiu
Rigid motion correction for magnetic resonance fingerprinting with sliding-window reconstruction and image registration
通过滑动窗口重建和图像配准进行磁共振指纹的刚性运动校正
  • DOI:
    10.1016/j.mri.2018.11.001
  • 发表时间:
    2019
  • 期刊:
    Magnetic Resonance Imaging
  • 影响因子:
    2.5
  • 作者:
    Xu Zhongbiao;Ye Huihui;Lyu Mengye;He Hongjian;Zhong Jianhui;Mei Yingjie;Chen Zhifeng;Wu Ed X.;Chen Wufan;Feng Qianjin;Feng Yanqiu
  • 通讯作者:
    Feng Yanqiu

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:
    {{ item.journal_name }}
  • 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.authors }}

数据更新时间:{{ monograph.updateTime }}

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

数据更新时间:{{ sciAawards.updateTime }}

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

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

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

数据更新时间:{{ patent.updateTime }}

其他文献

MR 定量磁敏感图评估大鼠肩胛区棕色脂肪代谢 活性的价值
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    广东医学
  • 影响因子:
    --
  • 作者:
    祝翠玲;郭义昊;钟俏玲;斯文彬;蔡子萌;余琴琴;余可妍;冯衍秋;张晓东
  • 通讯作者:
    张晓东
PROPELLER磁共振成像数据重建中的仿射运动校正新算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    冯衍秋;刘小武;陈武凡
  • 通讯作者:
    陈武凡
基于图像域的 PROPELLER 磁共振仿射运动校正新算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物医学工程学杂志
  • 影响因子:
    --
  • 作者:
    冯衍秋
  • 通讯作者:
    冯衍秋
基于凸集投影的稀疏磁共振图像重建新算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国医学物理学杂志
  • 影响因子:
    --
  • 作者:
    冯衍秋;陈武凡;刘平
  • 通讯作者:
    刘平
矩量法及其在磁共振射频线圈中的应用
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国医学物理学杂志
  • 影响因子:
    --
  • 作者:
    冯衍秋
  • 通讯作者:
    冯衍秋

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

冯衍秋的其他基金

T1加权图像引导的定量磁化率成像新方法研究
  • 批准号:
    82372079
  • 批准年份:
    2023
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目
腰椎量化磁敏感成像新方法及其对骨质疏松症评估价值的研究
  • 批准号:
    81871349
  • 批准年份:
    2018
  • 资助金额:
    57.0 万元
  • 项目类别:
    面上项目
基于磁共振T2*参数的地中海贫血患者肝脏铁沉积测量新方法研究
  • 批准号:
    81371539
  • 批准年份:
    2013
  • 资助金额:
    65.0 万元
  • 项目类别:
    面上项目
基于敏感度仿真与全变分约束的并行磁共振成像算法研究
  • 批准号:
    30800254
  • 批准年份:
    2008
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码