双拉伸指数模型及双优化IVIM模型参数估计方法

摘要

体素内不相干运动(intravoxel incoherent motion,IVIM)是目前唯一不需要造影剂的医学成像技术。但现有的双指数成像模型无法反映扩散和灌注运动的非高斯特性，且IVIM参数的拟合方法很容易受噪声干扰并难以泛化。故针对此问题建立了双拉伸指数模型，并设计了双驱动深度神经网络(dual optimized deep neural network,DODNN)参数估计方法，以最小化双拉伸指数模型的参数残差和扩散加权信号残差为目标，优化神经网络权重，以准确地估计IVIM模型参数。实验结果表明:相比于次优方法，DODNN方法在低信噪比下的扩散和灌注系数误差降低14.17%。此外，双拉伸指数IVIM模型各参数具有最低的变异系数(coefficient of variation,CV)、最大的参数对比度噪声比(parameter contrast to noise ratio,PCNR)，证明其可为早期疾病精准诊断提供更多的辅助信息。

关键词

体素内不相干运动 / 非高斯特性 / 双拉伸指数模型 / 深度神经网络 / 参数估计方法