[论文解读] Zero-DeepSub: Zero-Shot Deep Subspace Reconstruction for Rapid Multiparametric Quantitative MRI Using 3D-QALAS

Yohan Jun, Yamin Arefeen+8 more|PubMed|Jul 4, 2023

Advanced MRI Techniques and Applications参考文献 86被引用 7

一句话总结

本文提出 Zero-DeepSub，一种结合低秩子空间建模的零样本深度学习方法，用于实现快速、高保真度的 3D 多参数定量 MRI，采用 3D-QALAS 技术。通过在子空间框架内利用扫描特定的深度学习，该方法在 9 倍加速下，于 2 分钟内完成全脑 T1、T2 和质子密度成像，分辨率达 1 mm 各向同性，且相比传统 QALAS 方法，图像伪影更少。

ABSTRACT

The proposed subspace QALAS along with Zero-DeepSub enabled high fidelity and rapid whole-brain multiparametric quantification and time-resolved imaging.

研究动机与目标

• 开发一种基于 3D-QALAS 序列的快速、高精度 3D 多参数定量 MRI 方法。
• 通过利用低秩子空间结构，减少重建时间并提高 T1 和 T2 成像的图像保真度。
• 实现无需微调即可跨扫描特定对比度泛化的零样本深度学习重建。
• 在保持精度的同时实现高加速因子（最高达 9×），并减少体内全脑成像中的噪声和伪影。

提出的方法

• 将低秩子空间模型应用于 3D-QALAS k 空间数据，以利用时间点之间的时空相关性。
• 将 T1 和 T2 成像建模为低秩子空间重建问题，从而减少所需编码步骤的数量。
• 在多样化扫描对比度数据上训练零样本深度学习模型（Zero-DeepSub），并直接应用于新扫描，无需微调。
• 深度学习组件通过学习扫描特定模式来提升重建保真度，同时保持全局子空间结构。
• 该框架将子空间建模与深度神经网络相结合，联合优化准确性和速度。
• 该方法支持时间分辨成像，并实现全脑 1 mm 各向同性 T1、T2 和 PD 成像，具有高时间和空间分辨率。

实验结果

研究问题

• RQ1 低秩子空间建模是否能显著加速 3D-QALAS 同时保持 T1 和 T2 成像的准确性？
• RQ2 零样本深度学习在无需对新扫描进行微调的情况下，如何提升基于子空间的 3D-QALAS 重建保真度？
• RQ3 所提出的方法在多大程度上可实现高加速因子（例如 9×），同时最小化体内成像中的噪声、模糊和伪影？
• RQ4 与传统 QALAS 相比，子空间建模与深度学习的结合在 g-因子图和精度方面表现如何？
• RQ5 该方法是否能在 2 分钟内完成全脑 1 mm 各向同性多参数成像？

主要发现

• 幻影实验表明，子空间 QALAS 方法与参考方法相比具有良好的线性关系，且偏差更小、精度更高，尤其在 T2 图像中表现更优。
• 体内实验表明，与传统 QALAS 相比，Zero-DeepSub 在最高 9 倍加速下显著减少了体素模糊、噪声和伪影。
• 该方法在扫描时间不足 2 分钟内实现了全脑 T1、T2 和质子密度成像，分辨率达 1 mm 各向同性。
• g-因子图显示在高欠采样条件下具有更好的鲁棒性，证实了在高加速情况下的噪声性能更优。
• 零样本深度学习组件在无需微调的情况下，对多种扫描协议均保持高保真度，展现出强大的泛化能力。
• 与传统 QALAS 相比，该方法在 T1 和 T2 成像中均表现出更高的精度和更低的偏差，尤其在高加速因子下优势更明显。