奇异值分解法用于MR灌注成像脑血流量估计的仿真研究

MR脑灌注成像是MR方法中提供代谢能力度量的唯一途径,对于疾病诊断和治疗效果评估有重要意义.MR灌注成像灌注参数的确定本质上是一个逆问题的求解过程,对一种求逆估计方法一奇异值分解法的逆问题性质进行了研究.在对奇异值分解法进行理论推导后,设计仿真方案,分别针对不同的信噪比进行仿真实验,并对动脉输入函数的延迟与失真进行分析.结果表明,在信噪比分别为150和10时,奇异值分解法都可以有效地估计脑血流量.该方法对动脉输入函数的失真不敏感,但是发生动脉输入函数延迟时,高脑血流量会被低估20％ ～ 30％.针对这一情况,对动脉输入函数的延迟效应进行了修正,修正后低估程度减小到±5％,得以明显改善.仿真结果表明,奇异值分解法是一种有效的估计MR灌注成像脑血流量的方法.