DeepPV-MRF：深度学习直接从MRF信号估计脑组织体素分数

Tianyi Ding 等发布论文提出 DeepPV-MRF，一个深度学习框架，直接从 MR 指纹（MRF）原始时间序列估计脑脊液、灰质和白质的体素级部分容积分数，不生成中间 T1/T2 图。该时空级联网络基于受试者导出的 Bloch 模拟结合径向 k 空间欠采样训练，结合时间编码与空间 U-Net 细化。 在模拟与体内数据上，作者称其均优于部分容积字典匹配（PV-DM）和伪逆估计（PV-Pinv）；一项模拟中 CSF/WM/GM 的平均绝对误差分别为 0.0418/0.0744/0.0757。摘要称该方法适用于有限 shots 场景，但作者指出临床部署前仍需进一步验证。 以上内容基于论文摘要，尚未核验全文或独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。