利用基于物理模型的无监督隐式神经表征网络加速 Stack-of-Stars 采集实现全脑 T2 Mapping

研究动机：缩短 T2 mapping 的扫描时间具有重要的临床意义。目标：开发一种快速采样序列和欠采样重建算法，以显著缩短采集时间。方法：提出了一种基于黄金角 stack-of-stars 轨迹的快速采样序列，并引入了一种专为该序列设计的新型无监督深度学习算法。该算法利用多分辨率哈希编码结合基于物理模型的隐式神经表征，显著缩短了扫描时间。结果：在不到 1.4 分钟的扫描时间内实现了全脑 T2 mapping。影响：提出了一种利用径向轨迹加速扫描的 T2 定量序列。引入了一种采用多分辨率哈希编码隐式神经表征的无监督深度学习算法，用于从欠采样数据中重建 T2 图。该方法具有显著缩短采集时间的潜力。