分享:
分享到微信朋友圈
X
综述
基于复合灵敏度编码的高分辨率磁共振扩散成像原理及其临床应用
刘琴 周智鹏

Cite this article as: Liu Q, Zhou ZP. Principle and clinical application of high resolution magnetic resonance diffusion imaging with multiplexed sensitivity encoding[J]. Chin J Magn Reson Imaging, 2022, 13(1): 167-170.本文引用格式:刘琴, 周智鹏. 基于复合灵敏度编码的高分辨率磁共振扩散成像原理及其临床应用[J]. 磁共振成像, 2022, 13(1): 167-170. DOI:10.12015/issn.1674-8034.2022.01.040.


[摘要] 通过结合扩散加权成像(diffusion weighted imaging,DWI)和复合灵敏度编码(multiplexed sensitivity-encoding,MUSE)来校正回波平面成像中运动引起的相位变化,基于MUSE的高分辨率扩散成像(multiplexed sensitivity-encoding diffusion-weighted imaging,MUSE-DWI)能够最大限度地降低图像变形、减少磁敏感伪影,提高成像质量。与传统DWI相比,MUSE-DWI具有改进的矩阵反演条件、更好的信噪比以及更高的空间分辨率。目前,MUSE算法通过联合多种MRI技术进一步提高了成像质量,并且已经在多个领域得到广泛应用。本文就MUSE成像技术、MUSE基本原理、多技术联合MUSE成像,以及MUSE-DWI的临床应用做出简要的介绍。
[Abstract] By combining conventional diffusion-weighted imaging (DWI) and multiple sensitivity encoding (MUSE) to correct random motion-induced phase variations, multiplexed sensitivity-encoding diffusion-weighted imaging (MUSE-DWI) can minimize image distortion, milder susceptibility artifacts and improve imaging quality in echo-planar imaging. Compared with traditional diffusion-weighted imaging, MUSE-DWI has improved matrix inversion conditions, better signal-to-noise ratio and higher spatial resolution. So far, the multiplexed sensitivity-encoding algorithm has improved imaging quality by integrates multiple magnetic resonance imaging (MRI) techniques and has been widely used in multiple organs. In this paper, we introduced some aspects including MUSE imaging technology, the basic principle of MUSE, multi-technology combined MUSE, clinical application of MUSE-DWI briefly.
[关键词] 磁共振成像;复合灵敏度编码;扩散加权成像;平面回波成像
[Keywords] magnetic resonance imaging;multiple sensitivity encoding;diffusion-weighted imaging;echo-planar imaging

刘琴    周智鹏 *  

桂林医学院附属医院放射科,桂林 541000

周智鹏,E-mail:bigbird_zhou@hotmail.com

全部作者均声明无利益冲突。


基金项目: 桂林市科学研究与技术开发计划项目 20190202-2
收稿日期:2021-07-22
接受日期:2021-11-09
中图分类号:R445.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.01.040
本文引用格式:刘琴, 周智鹏. 基于复合灵敏度编码的高分辨率磁共振扩散成像原理及其临床应用[J]. 磁共振成像, 2022, 13(1): 167-170. DOI:10.12015/issn.1674-8034.2022.01.040

       扩散加权成像(diffusion weighted imaging,DWI)是一种能够快速、无创量化人体内水分子扩散运动的磁共振检查技术[1],不仅可以在细胞和分子水平对病灶的生理和病理进程进行检测,而且还能提供癌症发生和进展阶段的关键信息,作为区分良恶性疾病的有效参数[2]。目前,DWI成像主要是采用常规自旋回波-回波平面成像(spin-echo echo planar imaging,SE-EPI)序列,在自旋回波序列发射180°射频脉冲的前后加入一组磁场强度和持续时间相同,方向相同的梯度磁场,使得在扩散梯度场方向产生位移的质子失相位,从而引起信号衰减表现出图像上的局部高信号[3]。为了减少因运动引起的显著相位误差伪影,DWI数据大多是通过单次激发回波平面成像(single-shot echo-planar imaging,SS-EPI)获得[4]。然而,即使纳入并行采集技术和多次激发回波平面成像(readout-segmented echo planar imaging,RS-EPI)技术,传统DWI的空间分辨率也非常有限,因此在需要高空间分辨率成像的精细结构中难以测量其详细的扩散特性[5]。为了解决上述问题,提出了基于复合灵敏度编码(multiple sensitivity encoding,MUSE)的高分辨率扩散成像(multiplexed sensitivity-encoding diffusion-weighted imaging,MUSE-DWI),即通过MUSE来实现高空间分辨率、高信噪比、高空间保真度和最小运动相位误差的影像图像[6]

1 MUSE的基本原理

       MUSE是一种通过多次激发采集实现高分辨率扩散成像的后处理算法,通过每次激发重建灵敏度编码确定低分辨率相位,而不使用额外的导航器数据[6]。MUSE算法重建分五个部分完成:第一,沿三维k空间(x-y-z k空间)方向进行傅里叶变换[7],计算每次激发采集时的相位变化;第二,获取线圈灵敏度编码曲线;第三,利用敏感度编码(sense,S)算法[8]获取全视野(field of view,FOV)混叠图像,并将所有获得的相位进行空间平滑阈处理;第四,将处理后的相位信息和线圈灵敏度曲线复合到MUSE算法框架中,从而产生不含混叠伪影的图像数据;第五,沿三维k空间(x-y-z k空间)方向再次进行傅里叶变换,从而产生三维图像。传统DWI存在几何失真以及组织T2*衰变模糊[9],因此容易受到低空间分辨率和高图像失真的限制,是临床采用其进行癌症检测和表征观察的一个主要障碍[10]。MUSE-DWI基于相位编码方向对k空间进行多激发交错式填充,去除了导航器回声的重新定焦脉冲,通过将获取的相位信息和线圈灵敏度复合到MUSE框架中,来产生不含伪影的图像数据,提高回波平面采集(echo planar imaging,EPI)的效率并降低30%的比吸收率,这在超高场MRI[11]中至关重要。同时,MUSE的引入还可以来抑制动态扫描期间由于时域信号不稳定的平面内混叠伪影[12],来提高整体图像质量和分辨率,并且减少运动伪影和磁场不均匀对图像质量带来的损害。

2 多技术联合MUSE成像

       DWI已成为疾病诊断的常用工具,特别是对于肿瘤的检测评估[13]。多技术联合MUSE成像能够进一步改善图像质量,减少因运动引起的显著相位误差伪影和因原始数据丢失引起的几何变形伪影,Zhang等[14]在使用MUSE框架中引入了两种新的方案:(1)利用先验信息规范化敏感度编码,采用自馈机制来获得可靠的相位估计;(2)算法内执行回顾性运动检测和数据拒绝策略,以去除被严重损坏的图像数据。在MUSE算法的基础上描述了一种新的图像重建方法,并且将该算法命名为自馈MUSE (self-feeding MUSE,SF-MUSE)。实验结果表明,SF-MUSE能够提供高分辨率扩散图像和白质纤维走行信息,具有高成像效率、无需导航器采集及额外的脉冲编程等优点。这使得MUSE成为常规临床研究和神经成像研究中高分辨率扩散成像的重要技术之一。

       MUSE重建依赖于激发时精确的相位变化估计,当SENSE相位图像存在显著噪声时会导致相位错配[15],使得MUSE重建图像的信噪比低于理论期望值。为了纠正RS-EPI高分辨率成像中患者微观和宏观运动对图像质量的影响,Guhaniyogi等[16]在MUSE的基础上提出了一种改进的方法,能够固有地估计并校正运动引起的相位误差、宏观模糊以及多次激发平面回波成像中运动破坏的扩散编码,该方法被称为增强MUSE(augmented MUSE,AMUSE),研究发现,AMUSE可以减少宏观主体运动导致的图像模糊,并且加入扩散编码之后能够产生更好的扩散张量估计。在扩散MRI (diffusion MRI,dMRI)中,静磁场的不均匀性和时变梯度涡流会在重构图像中引起空间畸变。Bruce等[17]通过将反向极性梯度(reversed polarity gradients,RPG)集成到MUSE技术中,来实现无失真高分辨率扩散MRI。通过三维dMRI采集反映,结合RPG技术重建可以同时实现高空间分辨率、高空间保真度,高扩散测量准确度成像。Konar等[18]比较了头颈部肿瘤患者的图像质量后发现,MUSE-DWI结合RPG后显著减低了图像的几何失真(0.17% vs. 1.53%)。

       当沿DWI数据的相位编码方向存在显著运动导致k空间位移和相位快速变化时,应用传统部分傅里叶重建算法(如零差重建)后的MRI图像容易出现残余伪影[19],并且交错多次激发回波平面成像具有较低的成像吞吐量。为了解决上述成像的局限性,实现高分辨率、高通量扩散成像,Chang等[20]报道了一系列改进措施。首先,提出了适用于MUSE框架的自适应部分傅里叶重建算法,以消除MRI成像产生的残余伪影。其次,同时应用超快速并行采集技术(controlled aliasing in parallel imaging results in higher acceleration,CAIPIRINHA)[21]和多波段RS-EPI脉冲序列消除混叠伪影,以提高高分辨率DWI的成像吞吐量。最后,进一步完善自适应部分傅里叶算法的MUSE重建框架,实现高质量、高分辨率、高通量的DWI。比较成像质量后发现,集成自适应零差重建和MUSE重建算法能够实现高质量和高分辨率扩散成像,消除图像的残余伪影。同时,Chang等[22]发现联合MUSE和多波段成像还能够显著提高功能磁共振成像(functional MR,fMRI)的成像质量。MUSE算法不仅可以兼容多波段交错EPI数据,同时还能有效地消除平面内和平面间fMRI数据中的混叠伪影。

       实验报告表明,利用MUSE重建后的DWI数据能够实现大脑的高分辨率扩散成像[23]。在3.0 T MRI扫描仪上,Chang等[24]报道了一个集成MUSE算法的三维多板交错EPI采集技术,以实现高质量、高信噪比和亚毫米各向性分辨率(0.85 mm×0.85 mm×0.85 mm)的人脑弥散张量成像(diffusion tensor imaging,DTI)。体内试验数据表明,高分辨率DTI与传统DTI(如2 mm×2 mm×2 mm)相比,可以更准确、更完整地描绘人脑的结构连接网络。然而,如此高空间分辨率下的dMRI数据在很大程度上被延长扫描时间、运动诱导伪影和低信噪比等因素所限制。因此Bruce等[25]提出了一个三维多板、多波段、多次激发交错式获取和重建EPI数据的框架(3D multi-slab,multi-band and multi-shot reconstruction approach,3D-MB-MUSE),即通过多波段激发、三维多平板采集,实现全脑体积达到亚毫米各向同性空间分辨率(0.85 mm),并在常规成像时间(20 min)内提高25个方向的角度分辨率,因此3.0 T MRI可以在最短的时间内获得高空间分辨率、高信噪比的全脑dMRI数据。3D-MB-MUSE通过消除多个维度的运动和混叠伪影,充分保留了高分辨率dMRI图像中三维RS-EPI采集的信噪比优势。

3 MUSE-DWI的临床应用

3.1 MUSE-DWI在神经系统方面的研究进展

       近年来,在高分辨率扩散成像方面取得的技术进展,不仅提供了重要器官的解剖细节,还证明其在神经微结构成像方面的绝对优势性作用。Herbst等[26]将MUSE与连续前瞻性运动校正RS-EPI结合,实现了在大量头部运动时的高分辨率DWI。MUSE-DWI还可以提供皮层下白质的精细结构,Xie等[27]基于SF-MUSE利用多次激发高分辨率扩散张量成像测量不同年龄段健康人皮层下白质的变化,结果显示随着年龄的推移白质的各向异性呈显著下降,径向扩散率不断增加。有研究发现[28],当扩散数据的各向同性空间分辨率为0.85 mm时,对短皮质连接纤维以及灰白质边界纤维通路末端的描绘都得到显著的改善,将有助于构建一个更精确的人脑连接组结构图,并且基于亚毫米分辨率的MRI成像能够有效减低DWI图像变形和磁敏感伪影。综上表明,MUSE-DWI能够反映灰白质结构和功能变化,在对神经系统疾病的诊断、研究方面具有重要的临床使用价值。MUSE-DWI的成像时间较传统DWI长,尤其在多b值多方向的扩散成像中最为明显,因此部分研究者提出多技术联合MUSE成像,其中包括k空间降采技术,即在相位方向进行降采的同时,跳过部分扩散图像的采集,后续还将结合深度学习等方法,提高其时间效率,拓展MUSE在扩散成像的临床应用。

3.2 MUSE-DWI在乳腺方面的研究进展

       目前临床实践中,MUSE-DWI乳腺成像用于纠正相位误差从而最大限度地减少伪影,改善了脂肪抑制实现对乳腺小病灶的充分描述。Daimiel等[29]在比较MUSE-DWI和单激发回波平面-弥散加权成像(single-shot echo-planar imaging-diffusion-weighted imaging, SS-EPI DWI)对乳腺良恶性病灶的显示和鉴别能力时发现,MUSE-DWI在模型组(信噪比:P=0.001)和受试组(病变信噪比:P=0.009;纤维组织信噪比:P=0.050;对比噪声比:P=0.008)中的图像质量都得到了显著改善。MUSE-DWI成像中良恶性疾病的表观扩散系数(apparent diffusion coefficient,ADC)值差异有统计学意义(P<0.001),视觉定性结果显示MUSE-DWI具有更好的病变显示能力(K=0.70),并且在诊断乳腺疾病方面具有绝对优势[30],部分医院已将其作为乳腺占位性病变的常规检查序列。Baxter等[31]对20名病理确诊为乳腺癌的患者进行MRI扫描时发现,MUSE-DWI图像中恶性病变的ADC值明显低于SS-EPI (P<0.001,P=0.21),并且模型组的ADC值在MUSE-DWI和SS-EPI之间也存在低变异系数(<2%),但两者的标准化ADC差异无统计学意义(P=0.62,P=0.28),研究者分析导致上述ADC差异的原因可能是因为图像分辨率的提高,因此使用MUSE-DWI能够得到更精确的定量ADC值。不仅提高了病变显示,而且随着激发次数和加速因子的增加,还能够有效改善图像模糊和畸变问题(P<0.001,P=0.002),但是成像时间也随之增加。

       DWI有望在不注射对比剂的情况下进行乳腺癌筛选[32],但传统DWI图像存在变形失真和低空间分辨率等问题而影响疾病诊断。Hu等[12]联合MUSE和局部低秩激发(shot locally low-rank,Shot-LLR)重建对45位患者行乳腺MRI检查,通过对一般图像质量(感知信噪比、重影、失真)、病变特征(辨别力和形态学)以及空间分辨率进行评估后发现,联合MUSE和Shot-LLR的MRI图像具有更好的感知分辨率(P<0.001)、更高的信噪比(P<0.005)以及更低的变形失真(P<0.050)。多技术联合MUSE-DWI成像在图像质量、空间分辨率、扫描时间等方面都有了质的飞跃,进一步证明了高分辨率扩散成像作为乳腺癌非增强MRI筛查技术的巨大潜力。

       目前,关于MUSE-DWI在乳腺方面的研究报道较少,并且主要集中在对乳腺肿块的研究,因此需要进一步扩展乳腺研究的病理亚型范围,全面探索MUSE-DWI在乳腺成像的可行性和诊断潜力。

3.3 MUSE-DWI在腹部方面的研究进展

       MUSE-DWI还应用于肝脏成像,Kim等[33]对肝脏MRI中的MUSE成像进行定性定量分析,分别比较了病变特征表现和病灶检出率。结果显示MUSE-DWI的图像噪声更低、肝脏轮廓更清晰、磁敏感伪影更少以及病变显示性更好(平均值:4.1~4.5 vs. 3.5~4.0;P<0.05)。MUSE-DWI成像中肝脏的信噪比(signal noise ratio,SNR)明显高于传统DWI,并且对病变的检出能力也要优于传统DWI(83.7% vs 67.3%,P=0.021),但是两者在病灶的SNR、病灶与肝的对比噪声(contrast to noise ratio,CNR)上差异无统计学意义,研究者分析这可能是由于RS-EPI DWI中较短的读出时间降低了T2对比度的缘故[34]。由此可见,MUSE-DWI不仅能够减少腹部呼吸运动伪影,同时还能减弱DWI中胃肠气体对图像质量的影响。Chang等[35]以对比增强MR成像为参照标准,分别比较了SS-EPI DWI,高分辨SS-EPI DWI以及MUSE-DWI图像对于克罗恩病活动期肠道炎症的诊断价值后发现,MUSE-DWI图像在组织纹理显示、几何畸变和整体图像质量方面明显优于常规DWI,并且检测肠道炎症的敏感度(97.5% vs. 86.1%)和准确度(98.9% vs. 95.1%)明显高于常规DWI。

       由于腹部MRI检查时患者呼吸运动会对图像质量产生影响,使得分段EPI不能广泛应用于腹部DWI成像。因此,Chu等[36]提出了一种基于凸集投影算法重建的复合敏感度编码(projection onto convex sets reconstruction of multiplexed sensitivity encoded,POCSMUSE) MRI,实验结果表明POCSMUSE能够有效减少包括腹部呼吸运动伪影和交错式DWI混叠伪影在内的运动相关伪影。为了进一步提高成像质量,Chu等[37]在POCSMUSE的基础上进一步使用多组K空间数据,不仅能够实现憋气困难以及呼吸不规律患者的清晰成像,并且还能与任意序列兼容。

       迄今为止,虽然部分实验证明了MUSE-DWI能够改善腹部扩散成像质量,但缺乏与其他特殊扩散序列的对照研究,未来还需要大量研究来探索其在腹部盆腔的其他脏器成像特点。值得注意的是MUSE-DWI可以降低图像变形、减少磁敏感伪影,并不能完全消除伪影对图像的干扰,与此同时也增加了扩散序列的成像时间,因此还需要进一步优化序列,提高后处理算法成像效率,实现临床高通量成像。

3.4 MUSE-DWI在放疗模拟定位的研究进展

       MUSE-DWI作为一种高质量、高分辨率、高通量成像技术,已经应用于多脏器检查,同时部分研究者对于MUSE-DWI在其他领域的应用做出了实践。Chen等[38]利用MUSE扩散加权回波平面成像(MUSE diffusion-weighted echo-planar imaging,MUSE-DWEPI)来降低图像的几何失真,实现在脑放射治疗中更为精确的模拟定位。通过对模体实验的几何失真百分比(percentages of geometric distortion,%GD)和患者实验的图像畸变水平进行分析后发现,DWI图像沿相位编码方向的几何失真最为显著。在b=0 s/mm2和1000 s/mm2的不同位置上,MUSE-DWEPI的%GD (2%~3%)都较SS-DWEPI的%GD (7%~8%)明显减少,而且MUSE-DWEPI还能够减少图像的几何畸变。MUSE-DWI要求接收器通道的数量必须超过成像激发次数,然而这种具有大量接收通道的线圈往往结构紧凑以确保图像信噪比,却不能很好地满足放疗模拟定位机的需要,因此优化MRI硬件设备至关重要,以更好地满足放疗模拟定位需求。

4 小结与展望

       2013年美国Duke大学研究人员[4]首次提出了MUSE技术,解决了传统DWI成像中分辨率低、图像质量差的问题,能够在不需要导航回波的情况下校正多次激发EPI之间的非线性相位变化,实现精准的各向异性分数计算和白质纤维束追踪。在MUSE-DWI的基础上,通过与其他成像技术的不断融合提出的SF-MUSE、AMUSE、RPG-MUSE、3D-MB-MUSE,以及自适应零差MUSE重建模型等,能够更加准确地反映病灶内水分子扩散情况。目前为止,MUSE-DWI已经成为一种高图像质量、高分辨率、高通量的磁共振成像技术,并且已经在脑、乳腺等多个器官广泛应用。随着MUSE技术的不断进步及临床应用的不断探索,必将在MRI成像中发挥越来越重要的作用。

[1]
Zhu GB, Luo JW, Ouyang ZM, et al. The Assessment of Prostate Cancer Aggressiveness Using a Combination of Quantitative Diffusion-Weighted Imaging and Dynamic Contrast-Enhanced Magnetic Resonance Imaging[J]. Cancer Manag Res, 2021, 13: 5287-5295. DOI: 10.2147/CMAR.S319306.
[2]
王上, 白岩, 王梅云, 等. 单指数、双指数和拉伸指数模型扩散加权成像在眼眶良、恶性肿瘤鉴别诊断中的价值[J]. 磁共振成像, 2021, 12(3): 44-48. DOI: 10.12015/issn.1674-8034.2021.03.010.
Wang S, Bai Y, Wang MY, et al. The value of diffusion-weighted imaging of single index, double index and stretch index modelsin the differential diagnosis of orbital benign and malignant tumors[J]. Chin J Magn Reson Imaging, 2021, 12(3): 44-48. DOI: 10.12015/issn.1674-8034.2021.03.010.
[3]
郑冲霄, 李传亭. 磁共振成像技术在病毒性脑炎诊断中的应用进展[J]. 医学影像学杂志, 2010, 20(2): 278-280.
Zheng CX, Li CT. The new application of MRI in diagnosis of viral encephalitis[J]. J Med Imaging, 2010, 20(2): 278-280.
[4]
An H, Ma XD, Pan ZY, et al. Qualitative and quantitative comparison of image quality between single-shot echo-planar and interleaved multi-shot echo-planar diffusion-weighted imaging in female pelvis[J]. Eur Radiol, 2020, 30(4): 1876-1884. DOI: 10.1007/s00330-019-06491-3.
[5]
Xie SM, Masokano IB, Liu WG, et al. Comparing the clinical utility of single-shot echo-planar imaging and readout-segmented echo-planar imaging in diffusion-weighted imaging of the liver at 3 tesla[J]. Eur J Radiol, 2021, 135: 109472. DOI: 10.1016/j.ejrad.2020.109472.
[6]
Chen NK, Guidon A, Chang HC, et al. A robust multi-shot scan strategy for high-resolution diffusion weighted MRI enabled by multiplexed sensitivity-encoding (MUSE)[J]. Neuroimage, 2013, 72: 41-47. DOI: 10.1016/j.neuroimage.2013.01.038.
[7]
Park J, Lee J, Lee SK, et al. Strategies for rapid reconstruction in 3D MRI with radial data acquisition: 3D fast Fourier transform vs two-step 2D filtered back-projection[J]. Sci Rep, 2020, 10(1): 13813. DOI: 10.1038/s41598-020-70698-4.
[8]
Ullah I, Nisar H, Raza H, et al. QR-decomposition based SENSE reconstruction using parallel architecture[J]. Comput Biol Med, 2018, 95: 1-12. DOI: 10.1016/j.compbiomed.2018.01.013.
[9]
Kawamura M, Tamada D, Funayama S, et al. Accelerated Acquisition of High-resolution Diffusion-weighted Imaging of the Brain with a Multi-shot Echo-planar Sequence: Deep-learning-based Denoising[J]. Magn Reson Med Sci, 2021, 20(1): 99-105. DOI: 10.2463/mrms.tn.2019-0081.
[10]
Pinker K, Moy L, Sutton EJ, et al. Diffusion-Weighted Imaging With Apparent Diffusion Coefficient Mapping for Breast Cancer Detection as a Stand-Alone Parameter: Comparison With Dynamic Contrast-Enhanced and Multiparametric Magnetic Resonance Imaging[J]. Invest Radiol, 2018, 53(10): 587-595. DOI: 10.1097/RLI.0000000000000465.
[11]
Santini T, Zhao Y, Wood S, et al. In-vivo and numerical analysis of the eigenmodes produced by a multi-level Tic-Tac-Toe head transmit array for 7 Tesla MRI[J]. PLOS One, 2018, 13(11): e0206127. DOI: 10.1371/journal.pone.0206127.
[12]
Hu Y, Ikeda DM, Pittman SM, et al. Multishot Diffusion-Weighted MRI of the Breast With Multiplexed Sensitivity Encoding (MUSE) and Shot Locally Low-Rank (Shot‐LLR) Reconstructions[J]. J Magn Reson Imaging, 2020, 53(3): 807-817. DOI: 10.1002/JMRI.27383.
[13]
骆训容, 荣康, 李祥林. 基于水分子弥散MRI研究进展[J]. 中国医学影像技术, 2020, 36(11): 1726-1729. DOI: 10.13929/j.issn.1003-3289.2020.11.032.
Luo XR, Rong K, Li XL. Research progresses of MRI based on water molecular diffusion[J]. Chin J Med Imaging Technol, 2020, 36(11): 1726-1729. DOI: 10.13929/j.issn.1003-3289.2020.11.032.
[14]
Zhang Z, Huang F, Ma XD, et al. Self-feeding MUSE: A robust method for high resolution diffusion imaging using interleaved EPI[J]. NeuroImage, 2015, 105: 552-560. DOI: 10.1016/j.neuroimage.2014.10.022.
[15]
Bilgic B, Chatnuntawech I, Manhard MK, et al. Highly accelerated multishot echo planar imaging through synergistic machine learning and joint reconstruction[J]. Magn Reson Med, 2019, 82(4): 1343-1358. DOI: 10.1002/mrm.27813.
[16]
Guhaniyogi S, Chu ML, Chang HC, et al. Motion immune diffusion imaging using augmented MUSE for high-resolution multi-shot EPI[J]. Magn Reson Med, 2016, 75(2): 639-652. DOI: 10.1002/mrm.25624.
[17]
Bruce IP, Petty C, Song AW. Simultaneous and inherent correction of B0 and eddy-current induced distortions in high-resolution diffusion MRI using reversed polarity gradients and multiplexed sensitivity encoding (RPG-MUSE)[J]. Neuroimage, 2018, 183: 985-993. DOI: 10.1016/j.neuroimage.2018.09.055.
[18]
Konar AS, Fung M, Paudyal R, et al. Diffusion-Weighted Echo Planar Imaging using MUltiplexed Sensitivity Encoding and Reverse Polarity Gradient in Head and Neck Cancer: An Initial Study[J]. Tomography, 2020, 6(2): 231-240. DOI: 10.18383/j.tom.2020.00014.
[19]
Walheim J, Gotschy A, and Kozerke S. On the limitations of partial Fourier acquisition in phase-contrast MRI of turbulent kinetic energy[J]. Magn Reson Med, 2019, 81(1): 514-523. DOI: 10.1002/mrm.27397.
[20]
Chang HC, Guhaniyogi S, Chen NK. Interleaved diffusion-weighted improved by adaptive partial-Fourier and multiband multiplexed sensitivity-encoding reconstruction[J]. Magn Reson Med, 2015, 73(5): 1872-1884. DOI: 10.1002/mrm.25318.
[21]
Hu J, Xu B, Cao J, et al. Application value of CAIPIRINHA-VIBE with MOCO in liver magnetic resonance examination[J]. Eur J Radiol, 2021, 140: 109739. DOI: 10.1016/J.EJRAD.2021.109739.
[22]
Chang HC, Gaur P, Chou YH, et al. Interleaved EPI based fMRI improved by multiplexed sensitivity encoding (MUSE) and simultaneous multi-band imaging[J]. PLoS One, 2019, 9(12): e116378. DOI: 10.1371/journal.pone.0116378.
[23]
Mani M, Jacob M, McKinnon G, et al. SMS MUSSELS: A navigator-free reconstruction for simultaneous multi-slice-accelerated multi-shot diffusion weighted imaging[J]. Magn Reson Med, 2020, 83(1): 154-169. DOI: 10.1002/mrm.27924.
[24]
Chang HC, Sundman M, Petit L, et al. Human brain diffusion tensor imaging at submillimeter isotropic resolution on a 3Tesla clinical MRI scanner[J]. NeuroImage, 2015, 118: 667-675. DOI: 10.1016/j.neuroimage.2015.06.016.
[25]
Bruce IP, Chang HC, Petty C, et al. 3D-MB-MUSE: A robust 3D multi-slab, multi-band and multi-shot reconstruction approach for ultrahigh resolution diffusion MRI[J]. NeuroImage, 2017, 159: 46-56. DOI: 10.1016/j.neuroimage.2017.07.035.
[26]
Herbst M, Zahneisen B, Knowles B, et al. Prospective motion correction of segmented diffusion weighted EPI[J]. Magn Reson Med, 2015, 74(6): 1675-1681. DOI: 10.1002/mrm.25547.
[27]
Xie S, Zhang Z, Chang F, et al. Subcortical White Matter Changes with Normal Aging Detected by Multi-Shot High Resolution Diffusion Tensor Imaging[J]. PLoS One, 2016, 11(6): e0157533. DOI: 10.1371/journal.pone.0157533.
[28]
Song AW, Chang HC, Petty C, et al. Improved delineation of short cortical association fibers and gray/white matter boundary using whole-brain three-dimensional diffusion tensor imaging at submillimeter spatial resolution[J]. Brain Connect, 2014. 4(9): 636-640. DOI: 10.1089/brain.2014.0270.
[29]
Daimiel Naranjo I, Lo Gullo R, Morris EA, et al. High-Spatial-Resolution Multishot Multiplexed Sensitivity-encoding Diffusion-weighted Imaging for Improved Quality of Breast Images and Differentiation of Breast Lesions: A Feasibility Study[J]. Radiol Imaging Cancer, 2020, 2(3): e190076. DOI: 10.1148/rycan.2020190076.
[30]
Iima M, Honda M, Sigmund EE, et al. Diffusion MRI of the breast: Current status and future directions[J]. J Magn Reson Imaging, 2020, 52(1): 70-90. DOI: 10.1002/jmri.26908.
[31]
Baxter GC, Patterson AJ, Woitek R, et al. Improving the image quality of DWI in breast cancer: comparison of multi-shot DWI using multiplexed sensitivity encoding to conventional single-shot echo-planar imaging DWI[J]. Br J Radiol, 2020, 94(1119): 20200427. DOI: 10.1259/bjr.20200427.
[32]
Solomon E, Liberman G, Nissan N, et al. Diffusion-weighted breast MRI of malignancies with submillimeter resolution and immunity to artifacts by spatiotemporal encoding at 3T[J]. Magn Reson Med, 2020, 84(3): 1391-1403. DOI: 10.1002/mrm.28213.
[33]
Kim YY, Kim MJ, Gho SM, et al. Comparison of multiplexed sensitivity encoding and single-shot echo-planar imaging for diffusion-weighted imaging of the liver[J]. Eur J Radiol, 2020, 132: 109292. DOI: 10.1016/j.ejrad.2020.109292.
[34]
Taron J, ohannink J, Bitzer M, et al. Added value of diffusion-weighted imaging in hepatic tumors and its impact on patient management[J]. Cancer imaging, 2018, 18(1): 10. DOI: 10.1186/s40644-018-0140-1.
[35]
Chang HC, Chen GT, Chung HW, et al. Multi-shot Diffusion-Weighted MRI With Multiplexed Sensitivity Encoding (MUSE) in the Assessment of Active Inflammation in Crohn's Disease[J]. J Magn Reson Imaging, 2021. DOI: 10.1002/JMRI.27801.
[36]
Chu ML, Chang HC, Chung HW, et al. POCS-based reconstruction of multiplexed sensitivity encoded MRI (POCSMUSE): A general algorithm for reducing motion-related artifacts[J]. Magn Reson Med, 2015, 74(5): 1336-1348. DOI: 10.1002/mrm.25527.
[37]
Chu ML, Chang HC, Chung HW, et al. Free-breathing abdominal MRI improved by repeated k-t-subsampling and artifact-minimization (ReKAM)[J]. Med Phys, 2018, 45(1): 178-190. DOI: 10.1002/mp.12674.
[38]
Chen XY, Zhang Y, Cao Y, et al. A feasible study on using multiplexed sensitivity-encoding to reduce geometric distortion in diffusion-weighted echo planar imaging[J]. Magn Reson Imaging, 2018. 54: 153-159. DOI: 10.1016/j.mri.2018.08.022.

上一篇 磁共振成像在急性胰腺炎诊疗路径中的应用进展
下一篇 缺血核心体积结合相对灌注率在评估急性脑卒中血管再通及预后中的研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2