2016⽤于MRI 数据的逼真计算机模拟头部模型磁化率图的模拟与评估程序

（QSM（DGM（1）（3）QS（4‑6（4）（6）（4）（6）采集过程中12个不同的方向。（STI（11（COSMOS（12（13）（RC2为了获得最佳质量指标（RMSE（（15）（16,17）TE1=3ms，TE1/2/3/4=3/11.5/20/28.5ms翻转角α1/α2=7/6位FOV=205×205×164mm³320x320x2561.7（vND0ms=6°TE=0.07ms320x320x320msSMS3ƨ2（https://www.cbs.mpg.de/institute/software/cbs‑tools(22)）然后将这些类别重新聚类为16组织簇（4）（8以及右侧皮质）Ƨ）3.6(23)FrangiR2*(24ITKSnap或R2*）

）

(2()−

（1（−

（使用HEIDI从原始数据计算得出

） (28)

半峰全宽(FWHM)为1.2体素ƨ//（=∑

（）

[公式a

） =0(

（ 1−−.1−（）

（TE（）、）Δ(rD [公式在评估公式4之前（因子2）。这里以“局部场()=()(=

[公式（P1

*（P2（P1TRP2TR与相位编码准备α=8)所采用的协议是QSM挑战协议（TR=50ms；TE1/2/3/4=4/12/20/28msα=15）（16TE=0未知SEGUE(34)TKD(35)L2(36)FANSI(37iLSQRQSM（38TKDkL2TVµ2=1iLSQR变化到10.01nRMSE1rmse_detrend_DGMCalcStreakCalcMomentppm软件（https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/），eddy_correct和topup用于提取张量信息（FA）ΔΔ5*2 [公式θ1（8）P1）（44ƨnRMSE在白质中6c真实频率的演变6b 1右侧的个别曲线表明FANSI方法L2iLSQR8a）ppm（45,46分别对数据进行分析7）隔室这可以通过更1形式是静态的（尤其是在以下情况下容易积累）（49TR无法区分动脉和静脉（30）（51,52（55,56）RC2–ChiModulation_filematlab1如表1MacroCreateSusceptibilityPhantom.m2文件中ppmR2starmap_files‑1R2*niftiSegmentation_filenifti GRETR（重复时间）TE）101SimulatedHR（存储原始分辨率模拟数据的位置Simulated_1p0mm（）Data[Extension]_magn.nii.gz和Data[Extension]_phase.nii.gz其中Extensionnift（FinalSegment.nii.gz降采样敏感性图（Chi_crop.nii.gz）MacroCreateSimulationdata脚本允许SEPIA（棕褐色‑QSM脚本2012;62:1593–1599doi:10.1016/j.neuroimage.2012.05.049。201472149–159doi10.1371/journal.pone.0057924。圈信号和相位展开NMRBiomed2017;30:e3601doi10.1002/nbm.3601。（QSM）景场贡献NMRBiomed2016:n/an/adoi10.1002/nbm.3604。（QSM:2016(COSMOS)化为磁化率源图像的MRI反问题的方法200961196–2042020841624–doi10.1002/mrm.28185,:KresslerBdeRochefortLLiuTSpincemaillePJiangQWangYMRI化估计.IEEETrans.Med.Imaging2010;29:273–281doi:10.1109/TMI.2009.2023787.NeuroImage2015;107:163–174doi:10.1016/j.neuroimage.2014.11.038。YablonskiyDA,HaackeEM.磁不均匀组织中NMR信号行为的理论Ƨ199432749763MarquesJPKoberTKruegerGvanderZwaagWVandeMoortelePFGruetterRMP2RAGECaanMWABazinPLMarquesJPHollanderGdeDumoulinSOZwaagWvander。MP2RAGEME7T1T2*QSMHumBrainMapp2019;40:1786–1798doi:10.1002/hbm.24490。,,BazinPL,WeissM,DinseJ,SchäferA,TrampelR,TurnerR.7特斯拉超高分辨率皮层分割的计算框架NeuroImage2014;93,Part2:201–209doi:10.1016/j.neuroimage.2013.03.077。YushkevichPAPivenJHazlettHCNeuroImage2006;31:1116–1128doi:10.1016/j.neuroimage.2006.01.015。ChanKSNorrisDGMarquesJP3T量信息纤维束追踪BrainMapp.2018;39:4440–4451doi:10.1002/hbm.24283。(QSMR2*NeuroImage2013;65:299–314doi10.1016/j.neuroimage.2012.09.055。,:Reson.Eng.2005;25:65–78doi:10.1002/cmr.b.20034。,19B26–34KellnerEDhitalBKiselevVGReisertM2016;76:1574–1581doi10.1002/SEGUE20106312921304821doi:10.1002/mrm.27073.:SatiPSilvaACvanGelderenPT2*量NeuroImage2012;59:979–985doi:10.1016/j.neuroimage.2011.08.064。:NamYLeeJHwangDKimDHNeuroImage221ChanKSMarquesJP量LiuTWisnieffCLouMChenWSpincemaillePWangY201369467476SchweserFRobinsonSDdeRochefortLLiWBrediesKMRIQSM理方法的图解比较趣区域外源的背景场贡献NMRBiomed.2017;30doi:10.1002/nbm.3604。SchweserF,DeistungA,SommerK,ReichenbachJR.迈向定量磁化率图的在线重建2013691582–1594doi10.1002mrm.24405MilovicCPrietoCBilgicB量磁化率成像参数优化方法的比较不适用doi:10.1002/KarsaAPunwaniSShmueliK:QSMdoi10.1002/mrm.28331VandeMoortelePFPfeufferJGloverGHUgurbilKHuXB07VuATAuerbachELengletC7TNeuroimage2015;122:318–31doi:10.1016/j.neuroimage.2015.08.004。2020;84:762–776doi:10.1002/mrm.28172。(QSM)NMRBiomed.2018;31:e3999doi:10.1002/nbm.3999。。PLoSOne2013;8:e81093doi:10.1371/journal.pone.0081093。DamulinaAPirpamerL