福建省等离子体与磁共振研究重点实验室智能磁共振成像团队在超快速定量磁共振成像研究取得新进展
近日，实验室智能磁共振成像团队在国际医学成像领域顶级期刊《IEEE Transactions on Medical Imaging》上发表题为“Model-based Synthetic Data-driven Learning (MOST-DL): Application in Single-shot T2 Mapping with Severe Head Motion Using Overlapping-echo Acquisition”的研究成果。该论文结合超快速磁共振成像序列和人工智能算法，首次实现在严重随机头部运动的情况下，得到高质量的定量T2成像结果。
定量磁共振成像（qMRI）能可靠获取许多反映人体组织特性的参数，是精准化医疗和疾病量化分析的重要工具。然而，当前实际临床中，定量MRI仍未实现大规模的应用，其原因在于采集时间过长，并且易受患者运动干扰。近年来，团队开创性地提出了单扫描重叠回波分离（OLED）成像序列，利用全新的信号压缩与采集加速手段，成功地将定量MRI采样时间缩短至毫秒级别。实现这一技术的关键是利用深度学习从高度复杂的磁共振信号中重建定量图像。然而，获得足够多的训练数据一直是深度学习MRI瓶颈问题之一。此外，当面临复杂的成像条件和特殊的患者时，现有方法依然存在不足。
图1. OLED序列结合仿真数据学习实现运动鲁棒的定量T2成像
针对运动场景下OLED序列的定量磁共振成像，本研究利用两个独立的卷积神经网络分别实现无参考并行重建和刚性运动校正（图1）。为解决深度学习训练样本不足的问题，论文提出将布洛赫仿真和多线圈MRI成像模型相结合以生成大量符合真实世界物理规则的仿真训练样本。方法通过引入来自公开数据集的人脑纹理先验和高精度运动仿真建模，进一步弥合了合成数据和真实数据之间的差异。多个健康志愿者数据表明，基于模型的合成数据驱动学习策略可以有效减轻OLED-T2定量图像中由头部运动产生的奈奎斯特伪影和条状伪影，并保持定量精度。该框架还被应用于临床儿童癫痫患者，结果表明其对运动的抵抗能力显著优于现有的常规MRI方法。
该项工作在蔡聪波教授和董继扬教授的共同指导下完成，智能磁共振成像实验室杨亲亲博士生为第一作者，电子科学与技术学院陈忠教授、蔡淑惠教授，郑州大学附属第一医院程敬亮主任、鲍剑峰博士，浙江大学何宏建副教授，美国罗切斯特大学钟健晖教授等参与了研究工作。该项工作得到了国家自然科学基金（82071913，11775184，U1805261，81671674）和福建省引导性计划（2019Y0001）等资助。
论文链接: https://doi.org/10.1109/TMI.2022.3179981
智能磁共振成像实验室: https://smri.xmu.edu.cn