さまざまな定量的感受性マッピング手法におけるノイズの影響

単一方向定量的感受性マッピング（QSM）は、感受性源の逆問題に対する悪条件化された磁場であり、さまざまな正則化手法が提案されています。ノイズ増幅は逆問題における主要な問題であり、QSMにおいてストリークアーチファクトや定量化エラーとして現れるが、これらのアルゴリズムにおいて比較評価されていません。本論文では、ノイズ解析のためにさまざまなQSM手法が体系的に分類されました。補正や近似を行うことで悪条件を克服する2つの非ベイズ法、ユニークな解を選択するための一般的な数学的事前情報または特定の物理構造事前情報を使用する4つのベイズ法が、データ忠実性項をノイズ重み付けの有無を問わず用いて選ばれた6つの代表的QSM手法が選定されました。これらのQSM手法におけるノイズの影響は、シミュレーションにおける再構成エラーや50人の連続的なヒト被験者の画像品質で評価されました。ノイズ重み付けを施したベイズQSM手法は、非ベイズ法やノイズ重み付けを施していない対応するベイズ法と比較して、数値シミュレーションにおける平方根平均二乗誤差を一貫して減少させ、ヒト脳画像における画像品質スコアを向上させました（p ≤ 0.001）。要約すると、QSMにおけるノイズの影響は、適切なノイズ重み付けを施したベイズ法を用いることで低減できます。