Medical Image Analysis | 提出隱式神經(jīng)表示驅(qū)動磁共振指紋成像新范式
磁共振指紋成像(Magnetic Resonance Fingerprinting, MRF)通過單次掃描即可實現(xiàn)多種組織參數(shù)的聯(lián)合定量,是近年來定量磁共振成像(Magnetic Resonance Imaging, MRI)領(lǐng)域的重要進展。然而,為滿足快速成像需求,MRF通常在k空間采用極端欠采樣策略,這不可避免地引入嚴重的空間混疊偽影,使定量參數(shù)反演變成高度不適定的逆問題,成為制約MRF定量精度與成像效率進一步提升的核心瓶頸。
針對這一關(guān)鍵挑戰(zhàn),中國科學院深圳先進技術(shù)研究院醫(yī)學成像科學與技術(shù)系統(tǒng)全國重點實驗室王海峰研究員與哈爾濱工業(yè)大學胡悅教授團隊合作,提出了一種物理約束的隱式神經(jīng)表示磁共振指紋成像新范式(Physics-informed Implicit neural MRF,πMRF)。不同于將混疊偽影看作噪聲并加以抑制的傳統(tǒng)思路,該工作從物理與建模層面重新審視極端欠采樣下的信號形成機制,提出混疊偽影本質(zhì)上是由采樣方式引入、蘊含空間信息的編碼結(jié)果,并可被轉(zhuǎn)化為輔助重建的有效線索(如圖1所示)。相關(guān)成果以"Rapid Spatio-temporal MR Fingerprinting Using Physics-Informed Implicit Neural Representation"為題,發(fā)表在醫(yī)學影像分析領(lǐng)域TOP期刊Medical Image Analysis(JCR: Q1, IF: 11.8)上。
在圖2所示的具體實現(xiàn)中,πMRF采用隱式神經(jīng)表示,將空間坐標直接映射為T1、T2和質(zhì)子密度(PD)等連續(xù)參數(shù)分布,從而避免了傳統(tǒng)字典匹配方法中離散建模所帶來的不連續(xù)性與量化誤差。同時,該框架將欠采樣MRF信號演化的物理模型顯式嵌入優(yōu)化過程,僅依賴物理一致性約束即可完成無監(jiān)督的端到端參數(shù)估計,在不依賴大規(guī)模標注數(shù)據(jù)的前提下實現(xiàn)穩(wěn)定的多參數(shù)定量成像。
在數(shù)字仿真、水模仿體以及在體人腦實驗中,πMRF在極端欠采樣條件下均表現(xiàn)出更高的定量準確性與空間一致性,能夠穩(wěn)定恢復T1、T2和PD參數(shù)分布,并在組織邊界及病灶區(qū)域保持更可靠的細節(jié)表達,整體性能顯著優(yōu)于現(xiàn)有對比方法。上述結(jié)果表明,該研究有效緩解了 MRF 在極端欠采樣條件下面臨的不適定逆問題,展示了“物理模型與連續(xù)神經(jīng)表示深度融合”在復雜醫(yī)學成像反演任務中的應用潛力。
中國科學院深圳先進技術(shù)研究院王海峰研究員、哈爾濱工業(yè)大學胡悅教授為論文共同通訊作者,中國科學院深圳先進技術(shù)研究院與哈爾濱工業(yè)大學聯(lián)合培養(yǎng)博士生鞏超光為論文第一作者。該研究獲得國家重點研發(fā)計劃、國家自然科學基金、中國科學院相關(guān)科研計劃,以及廣東省、黑龍江省、云南省、深圳市等省市科研項目的支持。

圖1:極端欠采樣下MRF混疊偽影的兩種認知方式:從“噪聲抑制”到“空間編碼”

圖2:πMRF框架示意圖:物理約束驅(qū)動的隱式神經(jīng)表示MRF全局反演模型

圖3:數(shù)字仿真實驗結(jié)果

圖4:水模仿體實驗結(jié)果

圖5:在體人腦實驗結(jié)果
附件下載: