MAGORINO：基于瑞利噪声建模的仅幅度脂肪分数和R2*估计
摘要：基于幅度的化学位移编码数据的振幅拟合能够在复杂拟合方法失败或无法访问或不可靠的相位数据（如在多中心研究中）中实现质子密度脂肪分数（PDFF）和R2*的估计。然而，传统的基于幅度的拟合算法存在Rician噪声相关的偏差和脂肪-水交换的问题。为了解决这些问题，我们提出了一种基于幅度的PDFF和R2*估计的Rician噪声建模算法（MAGORINO）。 方法：使用多回波梯度回波信号强度的模拟来研究MAGORINO在临床合理的PDFF、R2*和SNR值的空间上的性能和行为。拟合性能以参数偏差、精度和拟合误差评估。为了更深入地了解算法的行为，可视化似然函数上的路径并生成描述正确优化的统计数据。MAGORINO与基于高斯噪声的幅度拟合和复合拟合进行了比较。 结果：模拟表明，与高斯拟合相比，MAGORINO减小了PDFF和R2*测量的偏差，通过两种主要机制实现：（i）更有可能选择真实的（非交换的）最优值；（ii）由于正确的噪声模型，使最优值的位置发生位移，从而使估计结果更接近真实解。 结论：MAGORINO减小了基于高斯噪声的幅度拟合在PDFF和R2*估计中的脂肪-水交换和Rician噪声相关的偏差，从而解决了传统方法的关键限制。
作者：Timothy JP Bray, Alan Bainbridge, Margaret A Hall-Craggs, Hui Zhang
论文ID：2110.05400
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-03-04