用于微结构成像的扩散磁共振成像实验设计优化

摘要

利用扩散磁共振成像（dMRI）准确表征脑组织微结构依赖于数据采集协议。尽管已经通过费希尔信息量、大型数据集的经验性子采样以及机器学习策略探索了最佳设计方法，但仍然需要一种统一的优化方法来处理多样化的白质和灰质生物物理模型。为此，我们提出了一种基于克拉美罗下界（Cramér-Rao Lower Bound，CRLB）的通用协议设计框架，该框架在全面优化参数空间的同时，能够满足用户自定义的约束条件。通过在可微分环境中实现生物物理模型并使用自动微分来计算梯度，我们避免了有限差分方法的近似误差以及无导数优化方法的可扩展性限制。这使得高维非线性模型能够稳定、可重复地收敛。此外，这种方法生成的数据采集协议提高了轴突直径指数、扩散率和脑室水分交换率等微结构指标的估计精度，从而提升了生物物理建模在研究和临床应用中的准确性。