MRフィンガープリントの通常のノイズとエイリアシングアーティファクトによるパラメーターマップエラー

目的：MRフィンガープリント（MRF）シーケンスの関数として、通常およびエイリアシングノイズによるT1およびT2パラメーターマップエラーの迅速な予測を可能にする定量的ツールを導入するため。 理論と方法：収集された信号の通常のノイズとエイリアシングアーティファクトの分散は、派生した品質係数を介したT1およびT2マップの分散に関連しています。この分析結果は、エイリアスノイズの存在下でMRFシーケンスをエンコードする能力を分析するためのモンテカルロアプローチの結果に対してテストされ、3 Tでファントム実験で検証されています。私たちのアプローチの有用性をさらに示すために、私たちの品質要因は、より少ない繰り返しのための効率的なMRFシーケンスを見つけるために使用されます。 結果：実験結果は、通常のノイズとエイリアシングノイズの両方の存在下でMRFシーケンスの効率を迅速に評価するための品質要因の能力を検証します。MRFシーケンスの品質因子評価は、モンテカルロアプローチの結果と一致しています。ファントム実験からのMRFパラメーターマップエラーの分析は、派生した品質因子と一致しており、T1（T2）データはFITR2≥0.92（0.80）の良さをもたらします。ファントムおよびin vivo実験では、品質因子の最大化によって決定される効率的なパルスシーケンスは、より長いシーケンスと比較して同等または改善された精度と精度をもたらし、MRFシーケンス設計における品質係数の有用性を実証しました。 結論：ここで導入された品質因子フレームワークにより、T1およびT2エラー予測を介したMRFシーケンス設計の迅速な分析と最適化が可能になります。

PURPOSE: To introduce a quantitative tool that enables rapid forecasting of T1 and T2 parameter map errors due to normal and aliasing noise as a function of the MR fingerprinting (MRF) sequence, which can be used in sequence optimization. THEORY AND METHODS: The variances of normal noise and aliasing artifacts in the collected signal are related to the variances in T1 and T2 maps through derived quality factors. This analytical result is tested against the results of a Monte-Carlo approach for analyzing MRF sequence encoding capability in the presence of aliasing noise, and verified with phantom experiments at 3 T. To further show the utility of our approach, our quality factors are used to find efficient MRF sequences for fewer repetitions. RESULTS: Experimental results verify the ability of our quality factors to rapidly assess the efficiency of an MRF sequence in the presence of both normal and aliasing noise. Quality factor assessment of MRF sequences is in agreement with the results of a Monte-Carlo approach. Analysis of MRF parameter map errors from phantom experiments is consistent with the derived quality factors, with T1 (T2 ) data yielding goodness of fit R2 ≥ 0.92 (0.80). In phantom and in vivo experiments, the efficient pulse sequence, determined through quality factor maximization, led to comparable or improved accuracy and precision relative to a longer sequence, demonstrating quality factor utility in MRF sequence design. CONCLUSION: The here introduced quality factor framework allows for rapid analysis and optimization of MRF sequence design through T1 and T2 error forecasting.