Science | “接力” 的深度学习模型 “赋能” MRI

文章预览

高造价、高运行成本、高场所要求等限制了磁共振成像 （Magnetic Resonance Imaging (MRI)） ，这种关键的医学成像技术，的进一步广泛使用[1], [2]。 为此，香港大学吴学奎 (Ed X. Wu) 等研究人员结合 主动电磁干扰感知 （active electromagnetic interference (EMI) sensing） 和 “接力”的深度学习模型 （先后两种深度学习模型： 1 . deep learning direct signal prediction ( Deep-DSP )，通过学习识别混入电磁干扰信号的磁共振信号，来预测无干扰的磁共振信号[3]； 2 . partial Fourier super-resolution ( PF-SR )，通过学习1.5和3 Tesla高分辨磁共振图像的人体结构和组织对比度，来帮助提高分辨率[4]） ，实现了只使用 永磁体 产生的 0.05 Tesla磁场 （常规需要基于超导产生1.5 Tesla到3 Tesla的磁场） 、 常规电源、 不需要电磁屏蔽 对脑、脊柱、腹部、关节等等 全身多器官MRI成像 。从而为人们不受位置限 ………………………………