磁共振成像(MRI)利用磁场产生人体图像，使医生能够更准确地诊断损伤或疾病。磁化张量成像(STI)是一种专门的MRI技术，通过量化大脑中不同组织在暴露于MRI扫描仪的磁场时如何被磁化来测量它们的磁化率。研究人员和医生可以利用这些信息更好地了解、诊断和监测神经系统疾病，如多发性硬化症(MS)和阿尔茨海默病。
约翰霍普金斯大学的研究人员最近发表了一篇论文，描述了一种名为DeepSTI的新算法，该算法从多个单独的扫描中获取数据，并提供大脑的“超级扫描”，其中包括精确的脑组织易感性信息。与传统的STI相比，他们的方法需要在更少的位置拍摄更少的图像，使过程更快，对患者来说更愉快。
生物医学工程助理教授、资深作者Jeremias Sulam说:“通常情况下，STI成像需要在不同的头部方向上进行至少六次不同的扫描才能实现良好的重建，这就是为什么尽管它有了解人类大脑的潜力，但目前没有广泛使用的主要原因。”“我们的人工智能辅助重建大大扩展了可以收集的有用信息的数量，同时需要更少的数据，我们希望将有助于将这种成像技术从实验室转移到临床。”
该团队的研究结果发表在2023年临床神经影像学机器学习国际研讨会的会议记录上。
方正汉是一名生物医学工程研究生，他是这些论文的第一作者。肯尼迪克里格研究所的Peter van Zijl、Xu Li和Hyeong-Geol Shin也参与了这项研究。
STI成像在揭示影响大脑特定结构的神经退行性过程方面表现出色，例如围绕轴突的髓鞘，髓鞘在大脑信息传递中起着核心作用。
约翰霍普金斯大学开发了一种名为DeepSTI的新算法，可以绘制出非常详细的3d地图，显示人脑组织的磁化率。来源:约翰霍普金斯大学
该团队的新算法从核磁共振扫描中获取数据，并生成大脑磁化率的高分辨率3D地图。研究人员说，这项技术的关键进步在于，它能够使用比以前更少的扫描来测量髓磷脂和铁等脑组织来源。捕捉这些组织的变化有助于确定神经系统疾病的类型、阶段或进展;例如，他们的算法生成了一个重建，以可视化多发性硬化症患者的髓磷脂变化，使用从一个头部方向扫描收集的数据。
方说，研究小组认识到开发一种算法来构建像人类大脑这样复杂多变的物体的图像所面临的挑战，尤其是在信息有限的情况下。举个例子，想象一下，被要求画一幅狗的图像，但没有给出动物的颜色、大小或品种等信息;这个问题可能有很多解决方案，所以你需要减少选项的数量，并将其缩小到一个。
DeepSTI使用机器学习和一种称为正则化的方法，缩小可能解决方案的数量，专注于最准确的解决方案。研究人员利用先前的扫描数据设计了特殊的正则化器，以告诉模型良好的大脑重建应该是什么样子。这些数据驱动的正则化器引导模型为每组新的扫描找到最合理的解决方案。
“该算法非常擅长‘学习’大脑图像应该是什么样子。当我们在原始数据上运行算法时，它会使用这些发现的参数来重建一个更清晰、更全面的大脑图像。”
最终，Sulam说，希望他们的机器学习算法能够通过减少执行扫描所需的时间和提高图像质量，使STI成为临床医生和放射科医生更容易获得的成像选择。目前，该团队计划探索该算法如何解决其他科学和工程难题。该团队尤其受到Sulam所说的“非常漂亮”的数学算法的鼓舞。
“我们的团队对支撑结果的数学框架感到兴奋。我们已经能够回答以前无法回答的难题，比如这些重建算法捕获的数据的隐含先验是什么，为什么它有效，为什么我们应该使用它，”苏拉姆说。这些新的数学结果目前正在审查中，并可作为预印本在arXiv上获得。
该团队已经将其数据、模型和代码作为开源项目提供给其他研究人员。“这是一个真正的研究成功故事，因为它不仅可以带来帮助临床决策的新技术，而且还为更一般的恢复和重建算法以及应用数学开辟了新的研究途径，”Sulam说。
更多信息:方正汉等，WaveSep:一种灵活的基于小波的敏感性成像源分离方法，临床神经影像学中的机器学习(2023)。DOI: 10.1007/978-3-031-44858-4_6期刊信息:arXiv
约翰霍普金斯大学提供
引用:脑成像技术使研究人员能够用更少的数据实现更多的目标(2023,12月14日)，该文档于2023年12月15日从https://medicalxpress.com/news/2023-12-brain-imaging-technique.html检索
作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司
内容仅供参考之用。
