使用物理结构化变分自编码器（PS-VAE）进行定量分子MRI中的多参数不确定性映射
Multiparameter Uncertainty Mapping in Quantitative Molecular MRI using a Physics-Structured Variational Autoencoder (PS-VAE)
精选理由
以物理约束VAE快速量化分子MRI参数不确定性，助力可信诊断与自适应采集
AI 摘要
arXiv:2602.03317v2 公告类型：replace-cross 摘要：定量成像方法（例如磁共振指纹识别（MRF））旨在通过根据信号演化估计组织的生物物理参数，提取具有可解释性的病理生物标志物。然而，用于此类逆问题的模式匹配算法或神经网络通常缺乏有理论依据的不确定性量化方法，这限制了其可信度和透明度，也阻碍了其获得临床认可。本文介绍了一种物理结构化变分自编码器（PS-VAE），用于快速提取逐体素的多参数后验分布。该方法将可微分自旋物理模拟器与自监督学习相结合，并提供完整的协方差，从而捕捉潜在生物物理空间中各参数之间的相关性。我们在一项多质子池化学交换饱和转移（CEST）和半固体磁化传递（MT）分子MRF研究中对该方法进行了验证，研究对象涵盖体外仿体、荷瘤小鼠、健康人类志愿者以及一名胶质母细胞瘤受试者。所得多参数后验分布与采用穷举式贝叶斯分析计算的结果高度一致，同时将全脑定量速度提升了数个数量级。此外，我们展示了如何通过监测随信号逐步采集而变化的多参数后验分布，为协议优化提供实用见解，并有望实现实时自适应采集。