openmrf-mri-fingerprinting-v2

name: openmrf-mri-fingerprinting-v2 description: "磁共振指纹(MRF)的模块化、厂商无关的开源框架。基于Pulseq标准的定量MRI研究平台，支持多厂商、多场强。" category: "ai_collection" source: "arXiv:2604.22713" published: "2026-04-24" paper_url: "https://arxiv.org/abs/2604.22713" tags: ["MRF", "OpenMRF", "quantitative MRI", "Pulseq", "fingerprinting", "Bloch simulation", "T1 mapping", "T2 mapping", "medical imaging"]

OpenMRF: Open-Source Framework for Magnetic Resonance Fingerprinting

概述

来源论文: OpenMRF: A Modular, Vendor-Neutral Open-Source Framework for Reproducible Magnetic Resonance Fingerprinting using Pulseq

发表日期: 2026-04-24

arXiv ID: 2604.22713

OpenMRF是一个基于Pulseq标准的模块化、可扩展的磁共振指纹(MRF)框架。它提供了端到端的工具，包括序列实现、自动化Bloch仿真字典生成和最先进的重建，支持跨厂商和场强的可重复MRF研究。

核心方法论

1. OpenMRF框架架构

Pulseq .seq文件 → 序列定义
       ↓
Bloch仿真 → 字典生成
       ↓
低秩子空间重建 → 图像重建
       ↓
字典匹配 → 定量参数图 (T1, T2, T1ρ, B0, B1+)

2. 序列模块

读出(Readouts):

可变密度螺旋: 高效k空间覆盖
投影角度方案: Equal2pi或Golden Angle
维度选项: 2D切片选择、3D slab选择、纯3D
去相位: FLASH/FISP/bSSFP

轨迹校准:

Robison方法: 补偿涡流和同场效应
梯度极性反转: 准确测量轨迹
专用Pulseq文件: 校准扫描

3. 对比度准备模块

T1编码:

绝热反转脉冲（双曲正割设计）
SigPy生成

T2准备:

BIR-4脉冲用于90度旋转
复合重聚焦脉冲

T1ρ编码:

绝热半通道脉冲
B0/B1鲁棒技术
复合和平衡自旋锁定

其他模块:

脂肪抑制
磁化重置

4. 自动化Bloch仿真

特点:

直接从.seq文件派生所有参数
紧凑指令集转换
无硬编码参数
考虑:
- 切片轮廓效应
- 长绝热脉冲期间的磁化衰减
- 自旋锁定特定条件

5. 重建流程

低秩子空间重建:

压缩字典和原始数据
迭代子空间重建
字典匹配

验证结果

数字仿真

ISMRM/NIST类数字模体
低秩重建偏差:
- T1: 0.03 ± 0.32%
- T2: 0.12 ± 1.94%

多部位幻影研究

Siemens系统 (0.55T, 1.5T, 3T) + GE/United Imaging (3T)

T1: -0.1 ± 2.9% 偏差
T2: -1.5 ± 8.7% 偏差
T1ρ: -4.0 ± 7.2% 偏差

在体验证

肝脏 (0.55T)
心肌 (1.5T)
大脑 (3T)

应用场景

定量MRI研究: T1, T2, T2*, T1ρ映射
多厂商平台: Siemens, GE, Philips, United Imaging
临床转化: 跨部位、跨场强可比性
组织特性成像: 弛豫时间、扩散系数、灌注指标
多中心研究: 标准化和可重复性

技术依赖

# MATLAB (主要)
# Python (PyPulseq)

pip install pypulseq
pip install numpy scipy matplotlib

与现有工具对比

工具	序列	仿真	重建	MRF专用
MRzero	✓	✓	-	部分
JEMRIS	-	✓	-	否
KomaMRI	✓	✓	-	否
PyPulseq cMRF	✓	✓	滑动窗口	部分
OpenMRF	✓	✓	低秩子空间	完整

触发关键词

MRF, OpenMRF, quantitative MRI, Pulseq, fingerprinting, Bloch simulation, T1 mapping, T2 mapping, medical imaging, relaxometry

更新日志

2026-04-28: 基于arXiv论文创建技能