xc体育官网-无穿戴AI动作分析训练系统_xc运动科技责任有限公司

　　尽管众多的磁共振成像（MRI）头部运动缓解策略，但缺乏严格评估限制了其优化和临床采用。研究人员提出一种在体（in vivo）框架，结合了用于可重复头部运动的视觉指令系统与参考标准插值位移估计，以评估MRI内追踪准确度和精度。其效用通过比较无标记光学系统（MOS

　　尽管众多的磁共振成像（MRI）头部运动缓解策略，但缺乏严格评估限制了其优化和临床采用。研究人员提出一种在体（in vivo）框架，结合了用于可重复头部运动的视觉指令系统与参考标准插值位移估计，以评估MRI内追踪准确度和精度。其效用通过比较无标记光学系统（MOS）和脂肪信号导航仪（FatNav）得以展示。六名参与者接受了带有FatNav模块的3T T1加权脑MRI，使用MOS反馈执行视觉引导的2°和4°绕X轴和Z轴头部旋转。在七个不同头部姿态下采集T1加权图像。将MOS和FatNav运动估计与作为参考标准的T1加权图像刚性配准进行比较。还使用结构相似性指数（SSIM）、峰值信噪比（PSNR）和焦点度量比较了三次连续头部旋转的MOS和FatNav校正图像。FatNav的平移（p?

　　在磁共振成像（MRI）中，头部运动伪影是导致图像质量下降的常见原因，会掩盖细微病理变化，甚至引发临床误判。据统计，住院或急诊患者中约19.8%的MRI检查存在重复序列，16.4%的尝试序列含有中重度运动伪影。高分辨率脑MRI（尤其7T扫描）和儿童等特殊人群的成像对此问题尤为敏感。为缓解运动伪影，研究者提出多种策略，包括基于导航器的方法（如脂肪导航仪FatNav，利用频谱选择性射频激发获取皮下脂肪图像进行运动估计）和外部设备（如光学追踪相机、电磁传感器等）。然而，这些方法缺乏严格xc体育的在体评估，阻碍了优化与临床推广。现有评估多依赖间接的图像质量比较或体模实验，但体模无法模拟人类头部的复杂解剖与运动生物力学，且图像质量指标存在参考图像偏差和特异性不足的问题。因此，亟需一种能够直接量化运动追踪准确度和精度的在体评估框架。

　　本研究提出一种在体评估框架，结合视觉指令系统（基于无标记光学系统MOS提供实时反馈）和FreeSurfer配准参考标准，用于量化MRI内头部运动追踪的准确度与精度。研究人员在6名健康志愿者（31.5±6.2岁）中，于3T扫描仪上进行了两项实验：实验1通过7个T1加权图像（参考位+6个2°和4°的偏航/俯仰旋转位）比较MOS与FatNav（含颈掩模版本）的估计误差和精度；实验2通过连续头动范式（静止、2°旋转、4°旋转）评估校正后图像质量（SSIM、PSNR、焦点度量及专家视觉评分）。主要结论：MOS在平移和大旋转（2°–4°）估计上准确度显著优于FatNav（p

　　<0.001），而fatnav在微小二次旋转（如偏航?）上准确度更高；mos在偏航+上精度高于偏航?，但fatnav在俯仰+上精度更高；颈掩模可改善fatnav的俯仰旋转估计，但图像质量指标无法检测此改善；图像质量评估确认mos整体校正效果更优。该论文发表在《nmr in biomedicine》。

　　- **样本与扫描**：6名健康志愿者，3T MAGNETOM Prisma扫描仪，64通道接收线圈，采用MP-RAGE序列（1mm各向同性分辨率）并嵌入FatNav模块（每TR采集一次，4mm分辨率）。

　　- **运动追踪系统**：MOS（Tracoline系统，结构化红外光以~30帧/秒采集面部点云，配准至参考模型）和FatNav（3D脂肪导航图像，通过刚性配准估计每TR运动参数）。

　　- **参考标准建立**：使用FreeSurfer的mri_robust_register工具将不同头部姿态的T1w图像刚性配准至参考位置，得到理想变换矩阵作为金标准。

　　- **视觉指令系统**：自定义Python软件，基于MOS实时反馈，指导参与者将红色方块（实际位置）对齐蓝色方块（目标位置），实现2°和4°绕X轴（俯仰）和Z轴（偏航）的旋转。

　　- **图像校正与评估**：基于RetroMocoBox工具箱或自定义Python管线，利用MOS或FatNav运动参数进行k空间逐线刚性变换校正；图像质量评估包括SSIM、PSNR、拉普拉斯方差焦点度量及三位专家盲法评分。

　　**3.1 头部运动可重复性**：视觉指令系统实现了高跨受试者一致性，2°目标旋转的实际角度为1.88°–2.09°，4°为4.01°–4.13°，且伴随次要平移和旋转。

　　- 细粒度分析：MOS在主要旋转（如偏航+、俯仰+、偏航?）上的误差比FatNav降低38%–77%（p

　　<0.05），但fatnav在次要旋转（如偏航?的次要轴）上准确度更高（误差降低约50%，p=0.0138）。mos对偏航+的估计准确度高于偏航?（p

　　<0.05）。fatnav误差随旋转幅度增大而增加（spearman r=0.70，p

　　<0.001），而mos无此趋势。

　　- 颈掩模使FatNav的俯仰+主要和次要旋转误差分别降低48%和32%（p

　　<0.05）。

　　**3.3 图像畸变对头部运动参考标准的影响**：T1w图像畸变轻微，畸变校正后的参考标准与原始参考标准高度相关（图S4），且MOS与FatNav的比较结果基本一致。

　　- 颈掩模对FatNav的图像质量无显著改善（图S7），与实验1中检测到的估计精度改善形成对比，说明框架灵敏度更高。

　　讨论部分指出，该框架成功结合视觉指令与配准参考标准，实现了在体运动估计的准确度与精度同步量化，并揭示了不同方法在各空间方向上的性能差异。例如，MOS在平移和大旋转上优势明显，但面部特征移出视野导致偏航?估计偏差；FatNav对小幅旋转表现更佳，但误差随幅度增大而增加，可能源于加速采集的校准数据与成像数据空间错位。颈掩模对FatNav的改善（尤其在俯仰轴）源于消除颈部非刚性运动，但传统图像质量指标无法捕捉，凸显了直接参数级评估的价值。研究局限性包括扫描时间较长（约29分钟）、无法评估快速运动的影响，以及不能独立预测最终图像质量。结论翻译如下：

　　**结论**：本研究提出一种在体框架，结合视觉运动指令与基于刚性配准的参考标准，以定量评估和比较MRI内头部运动追踪技术的准确度和精度。研究人员的框架表明，MOS在头部平移和大旋转上提供更优的整体性能，这由图像质量指标证实。值得注意的是，FatNav在微小偏航+和俯仰+上达到与MOS相当的准确度，并在微小偏航?头部旋转上明确优于MOS。该在体评估方法有效评估了每个空间方向上的头部运动追踪性能，并对颈掩模在FatNav数据中提供的细微改善表现出高灵敏度。这些发现强调了该框架在推进和完善头部运动追踪与校正策略中的实用性。