摘要
背景
磁性粒子成像(MPI)是一种新兴的分子成像方式,以其高灵敏度和长期追踪能力而著称。基于系统矩阵(SM)的图像重建是MPI最重要的重建方法之一。然而,基于测量的SM进行的MPI重建受到系统函数在视场(FOV)内逐体素精确校准需求的限制,这种方法既耗时又易受噪声影响。此外,系统特性的任何变化都要求重新校准SM。这阻碍了MPI的临床转化和实际应用。
目的
为了解决这些局限性,我们提出了一种低频空间感知增强动态卷积网络(LPEDCN),用于恢复SM以加快校准过程。
方法
具体来说,我们观察并揭示了实际SM行在空间傅里叶变换(SFT)域中低频能量占比与信噪比(SNR)之间的正相关关系。基于这一先验知识,我们设计了一种低频空间感知增强(LPE)联合损失,以在模型训练过程中抑制高频噪声。我们还引入了一种上下文调制动态卷积(CMDC)以捕获长程上下文特征。我们在模拟数据集(训练集:60个SM分割为107880个SM行切片;验证集:20个SM分割为37520个切片;测试集:20个SM分割为32660个切片;各集之间无重叠)、公开的真实世界OpenMPI数据集(训练集:1个SM分割为101861个SM行切片;验证集:1个SM分割为62863个切片;测试集:1个SM分割为85347个切片;各集之间无重叠)以及自有数据集(测试集:2个SM分别分割为225个和272个切片)上对LPEDCN进行了评估。SM恢复精度通过归一化均方根误差(nRMSE)进行评价,重建质量通过峰值信噪比(PSNR)和结构相似性指数(SSIM)进行评价。我们将LPEDCN与七种最先进的(SOTA)方法进行比较评估。统计显著性通过双尾t检验在错误发现率(FDR)校正后p < 0.05进行评价,实际显著性通过使用Cohen's d效应量进行评估。
结果
LPEDCN不仅加速了MPI中的SM校准,而且在SM恢复精度和图像重建质量方面也优于最先进的(SOTA)方法。对于核心的SM恢复指标nRMSE,LPEDCN在2倍、4倍和8倍超分辨率(SR)下分别显著优于SOTA方法(p < 0.05,FDR校正后),在模拟数据集上的效应量值为0.23-1.02,在公开真实世界OpenMPI数据集上的效应量值为0.06-45.63。对于图像重建指标PSNR和SSIM,LPEDCN在2倍、4倍和8倍SR下分别显著优于SOTA方法(p < 0.05,FDR校正后),在模拟数据集上的效应量值为0.45-8.68,在OpenMPI数据集上的效应量值为0.10-4.65。这些定量结果一致验证了LPEDCN在实际应用中带来了有意义的性能提升。此外,LPEDCN大大减少了SM校准时间,并实现了优秀的高分辨率重建图像。
结论
LPEDCN在提高MPI校准效率方面具有实际应用前景。
利益冲突声明
作者声明不存在利益冲突。


