多尺度低秩加稀疏模型在加速超高场脑部4D Flow成像中的应用

目的:探讨多尺度低秩加稀疏模型在加速超高场脑部4D Flow成像中的应用。方法:前瞻性收集2022年10月至2023年1月在复旦大学附属华山医院招募的健康志愿者10名，男5名、女5名，年龄23~35（29±4）岁。基于多尺度低秩（MLR）模型提出针对4D Flow数据特点的多尺度低秩加稀疏（MLRS）模型加速采集和重建算法。首先采用7.0 T MR对健康志愿者进行全采样脑部4D Flow扫描，并对采集的数据进行不同加速倍数（R分别为4、8、12、16）的高斯分布欠采样。计算不同加速倍数下压缩感知（CS）模型、低秩加稀疏（L+S）模型、MLR模型和MLRS模型重建结果与全采样参考图像在血管掩模内的均方误差（RMSE）和峰值信噪比（PSNR），模型间的比较采用配对样本 t检验或Wilcoxon带符号秩检验。采用Pearson检验评估不同加速倍数下4种模型的血流动力学参数与全采样参考值的相关性，相关系数的比较采用Wilcoxon带符号秩检验。 结果:相同加速倍数下RMSE从小到大依次为MLRS、MLR、L+S、CS模型，且MLRS模型的RMSE显著低于MLR、L+S、CS模型（ P<0.05）；PSNR由大到小依次为MLRS、MLR、L+S、CS模型，且MLRS模型的图像PSNR显著高于MLR、L+S、CS模型（ P<0.05）。不同加速倍数下MLRS模型测得的脑血管流速与全采样参考值相关系数显著高于MLR、L+S、CS模型与全采样参考值相关系数（ P<0.05）。 结论:该文提出的MLRS模型在保证图像质量的前提下能够加速超高场脑部4D Flow MR成像；并且相同加速倍数下与传统加速模型相比，MLRS模型具有更高的重建准确度。