高场磁共振人体组织电特性断层成像核心技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61671229
  • 项目类别:
    面上项目
  • 资助金额:
    60.0万
  • 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

The technique of high-field magnetic resonance electrical properties tomography (MR EPT) of human tissues is an emerging MR imaging technique, which can non-invasively provide imaging of electrical properties of tissues at arbitrary tomographic slices in vivo. The mechanism of MR EPT is completely different with the mechanism which underlies the current MRI based on the transversal and longitudinal relaxation time. The electrical properties of tissues characterize the biological and pathological status of tissues, varied with different tissues. Studies have proved that the electrical properties between healthy and malignant tissues are very different. Therefore, MR EPT is a potential technique for the early detection of tumors at clinic. However, the key algorithm of current MR EPT assumes that the gradient of electrical properties in the small local region of interest is zero, conflicting with the fact that the distribution of electrical properties of human tissues is inhomogeneous, resulting in poor imaging quality. Aiming at the existed substantial deficiency of current MR EPT technique, this project proposed a novel MR EPT algorithm named finite difference time domain (FDTD) with adjustable electrical properties. Employing the proposed core equations of the new algorithm, the tomographic distribution of electrical properties were calculated using the FDTD method with adjustable electrical properties, without the unreasonable assumption adopted in the current algorithm. The preliminary experiment proved that the new algorithm exhibits excellent convergence, promising to greatly improve the imaging quality. The proposed novel algorithm is completely different with current method, promising to substantially improve the MR EPT technique. The related research may become a great contribution to the high-field MR imaging technique.
磁共振人体组织电特性断层成像(MR EPT)是新兴高场MR成像技术,其成像机制基于组织在MR射频电磁场中表现出来的电特性,与传统MRI基于组织纵向和横向弛豫时间的成像机制不同。MR EPT能够无创提供活体组织电特性断层图像,活体组织电特性能够反映其生理和病理状态,通常不同组织电特性各异,且组织癌变后电特性改变较大,因此MR EPT技术在肿瘤早期诊断等方面具有重要潜在价值。现有MR EPT技术核心算法需要假设较小成像计算区域内组织电特性梯度为零,而人体活体组织电特性分布客观上不均匀,导致成像结果误差较大。针对现有算法这一原理性缺陷,本课题提出了创新的变电特性参数时域有限差分(FDTD)MR EPT算法理论,新算法不受现有算法假设条件限制,在成像区域全局迭代求解组织电特性断层分布,预实验证实新算法收敛性较好,具可行性。本课题开辟了MR EPT全新技术路线,有望实质性提升MR EPT技术。

结项摘要

磁共振人体组织电特性断层成像(MR EPT)是一种“无创的人体活体组织电特性(EPs)断层成像”的新兴MR成像技术,在肿瘤早期诊断等方面具有重要潜在价值。针对以往MR EPT技术重建算法需要假设“较小成像计算区域局部组织EPs为常数”这一重大缺陷,本项目提出了不受以往算法假设条件限制的“变电特性参数时域有限差分(FDTD)” MR EPT算法理论,实现在成像区域全局迭代求解组织电特性断层分布。整体研究内容包括:(1)射频发射场的测量及鲁棒性研究;(2)射频电磁场FDTD方程组的建立;(3)变电特性参数FDTD新算法研究;(4)体模实验、动物实验和人体组织无创EPs断层成像临床测试。在项目实施期间,本研究获得以下重大进展:首先比较了双角度法(DAM)和快速预饱和法(satTFL)两种B1映像技术的鲁棒性,结果发现在低介电特性负载时,两种技术有着相同的适用性;在高介电特性负载时,satTFL较DAM适用性更佳。该结论可为不同介电特性组织选取合适的B1 mapping技术提供参考,为推动MR EPT技术的实用化提供基础研究支持。再者,根据麦克斯韦方程组构建组织EPs与RF场之间关系的FDTD核心算法方程组,实现了在方程组中反映EPs非均匀组织的σ(r)和ϵ(r)信息;实现采用变电特性参数迭代逼近准则求解未知计算区域内的σ(r)和ϵ(r),获得组织EPs分布;并结合BSS B1 mapping技术研究优化Eps非均匀人体组织适用的MR EPT新算法;最终,分别用体模实验、动物实验和临床志愿者实验成功验证该算法的可行性。以上研究实质性地推动MR EPT技术进一步发展,为早日将MR EPT技术应用到肿瘤早期诊断中做出了贡献。项目执行期间,针对B1 mapping技术、EPT算法关键技术方面,分别在Physics in Medicine & Biology、Electromagnetic Biology and Medicine、Magnetic Resonance in Medical Sciences、NMR in Biomedicine等多个国内外期刊杂志共发表学术论文10篇,在申关于B1 mapping技术发明专利一项,进行学术报告2次。

项目成果

期刊论文数量(10)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(1)
Magnetic Resonance-Electrical Properties Tomography by Directly Solving Maxwell's Curl Equations
直接求解麦克斯韦旋度方程的磁共振-电特性层析成像
  • DOI:
    10.3390/app10093318
  • 发表时间:
    2020-05-01
  • 期刊:
    APPLIED SCIENCES-BASEL
  • 影响因子:
    2.7
  • 作者:
    Chi, Jieru;Guo, Lei;Liu, Feng
  • 通讯作者:
    Liu, Feng
基于时域有限差分方法设计调幅射频辐照头部线圈
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    科学技术与工程
  • 影响因子:
    --
  • 作者:
    蓝茂英;蔡林波;邓官华;段松;韩继钧;辛学刚
  • 通讯作者:
    辛学刚
MR-based Electrical Properties Tomography using a Modified Finite Difference Scheme
使用改进的有限差分方案的基于 MR 的电特性断层扫描
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    Physics in Medicine & Biology
  • 影响因子:
    3.5
  • 作者:
    Chunyi Liu;Jin Jin;Lei Guo;Mingyan Li;Yasvir Tesiram;Haiwei Chen;Feng Liu;Xuegang Xin;Stuart Crozier
  • 通讯作者:
    Stuart Crozier
Numerical Experiments on the Contrast Capability of Magnetic Resonance Electrical Property Tomography
磁共振电性能层析成像对比能力的数值实验
  • DOI:
    10.2463/mrms.mp.2018-0167
  • 发表时间:
    2019-04
  • 期刊:
    Magnetic Resonance in Medical Sciences
  • 影响因子:
    3
  • 作者:
    Duan Song;Zhu Yurong;Liu Feng;Xin Sherman Xuegang
  • 通讯作者:
    Xin Sherman Xuegang
Statistical analysis of the accuracy of water content-based electrical properties tomography
基于含水量的电特性层析成像精度统计分析
  • DOI:
    10.1002/nbm.4273
  • 发表时间:
    2020-02-11
  • 期刊:
    NMR IN BIOMEDICINE
  • 影响因子:
    2.9
  • 作者:
    Han, Jijun;Gao, Yunyu;Xin, Sherman Xuegang
  • 通讯作者:
    Xin, Sherman Xuegang

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

低场磁共振系统上基于质子共振频率的测温研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    医疗卫生装备
  • 影响因子:
    --
  • 作者:
    冯衍秋;辛学刚;陈武凡;李璟;莫纪江
  • 通讯作者:
    莫纪江
模拟人体组织介电特性的介电材料研究
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    科学技术与工程
  • 影响因子:
    --
  • 作者:
    冯健;邓官华;辛学刚
  • 通讯作者:
    辛学刚
反演法在磁共振射频场设计与优化中的应用
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    中国医学物理学杂志
  • 影响因子:
    --
  • 作者:
    曾雁冰;张战胜;辛学刚
  • 通讯作者:
    辛学刚
反演法设计磁共振射频阵列线圈的研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    中国生物医学工程学报
  • 影响因子:
    --
  • 作者:
    张战胜;辛学刚
  • 通讯作者:
    辛学刚
胎儿磁共振成像特定吸收率及B_1场均匀性研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    微波学报
  • 影响因子:
    --
  • 作者:
    黄绮华;辜石勇;辛学刚
  • 通讯作者:
    辛学刚

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

辛学刚的其他基金

肝纤维化组织微结构特性弥散磁共振成像技术研究
  • 批准号:
    62371194
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目

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