快速磁共振成像与增强研究有助于高端医疗设备产业化｜获得上海市科技奖

我是强国复兴的人

2023年上海市科技奖

展示卓越的创新成果

10月23日，上海科技奖再次公布。胸怀“国家之大”，坚持“四个方向”，大量标志性成果涌现，为上海国际科技创新中心建设的关键跃升期增添了底色和亮度。

2023年上海科技一等奖获奖项目突出创新成果来了！本专栏以“强国复兴有我”为主题，重点向公众宣传项目要解决的问题、重要创新、实际应用效果等。

本期“档案”大揭秘

项目名称：快速磁共振成像，增强核心技术

完成单位：华东师范大学

完 成 人：张桂戌 等

奖励等级：自然科学一等奖

自20世纪70年代Lauterbur发明以来，磁共振成像在20世纪80年代首次应用于临床实践。凭借其高组织对比度和无电离辐射的优势，它已经成为不可或缺的医学影像技术之一。磁共振作为一种革命性的工具，在疾病诊断和科学研究中的应用，极大地促进了医学、神经生理等领域的快速发展。这一进展对磁共振成像提出了更高的要求，其核心指标是成像质量、速度和应用稳定性。

当前，医院常用的磁共振采集设备一般采样率为75%，每个图像采集大约需要30秒，常规脑部扫描需要近15分钟。为了减少扫描时间，通常需要降低采样率，但这引发了两个矛盾:一个是扫描时间和重建速度的矛盾，另一个是图像时间和图像质量的矛盾。如何实现高效显像，是这些矛盾对应的核心科学问题和挑战性问题。怎样提高图像质量？怎样保证重建图像的准确性？

华东师范大学计算机科学与技术学院的张桂戌教授带领研究团队，充分利用人工智能和大数据等前沿技术，探索和建立了一套快速磁共振成像和增强算法，基于磁共振成像原理和临床需求，看到图像混合和低分辨率和伪影的问题。

这项研究在理论和技术上突破了香农奈奎斯特采样定理的限制。经过多年的努力，在保证图像质量的前提下，实现了采样率降低60%的目标。这一成果不仅支持了中国高端医疗设备国产化的战略方针，也为提高国民健康水平和促进健康民生做出了贡献。

项目团队成员正在进行学术讨论

01

在低采样率下实现深度学习模型

高质量磁共振图像重建

在医学成像领域，如何在降低采样率的同时重建高质量的全采样磁共振图像是一个研究难点。近年来，深度学习技术在磁共振图像重建和医学图像增强方面取得了显著进展。由于磁共振信号以K空间编码的形式存在，这一特性使得设计有效的重建模型尤为重要。

目前大部分深度学习重建方法主要关注网络架构的构建和频域数据的应用，但在采样率极低的情况下，往往会面临细节信息丢失、模型参数过多、特征学习能力不足等问题。

针对这些挑战，团队负责人张桂戌教授带领的研究团队提出了一种新的串联重建模式，将变分法与深度学习相结合，并配合两步频域调整方法，有效解决了低采样率下的重建问题。

他说：“我们通过设计密集的网络模块，引入膨胀卷积技术，既扩大了模型感觉野，又显著降低了计算费用。”张教授指出。与此同时，通过设计两步频域调整方法，我们对未采样相位的频域信息进行了修正，促使重建结果更加自然，细节更加丰富。“这种创新方法不仅提高了图像重建的质量，而且显著降低了会计成本。试验数据显示，该方法在采样率仅为30%的情况下，成功重建了与75%采样率相当的图像质量，达到了降低采样率60%的目的。这个结果给磁共振影像的重建带来了全新的技术思路，提高了临床影像的显像效率。

磁共振重建双域两步信息调整方法示意图

02

创新去模糊和超分辨技术

提高磁共振重建质量

磁共振成像扫描时间过长容易引起病人不适而不自主移动，进而导致重建图像出现伪影和运动模糊。另外，由于成像设备和环境的限制，重建后图像的分辨率较低，这会影响后续疾病诊断的准确性。为解决这一问题，重建后的图像需要进一步模糊和超分辨率处理。但现有的去模糊方法在处理含有离群点(如冲击噪声)的模糊图像时表现不佳，传统的超分辨率模型在图像细节数据的应用上也存在不足。

针对这一挑战，研究小组创新性地提出了一种基于局部最大梯度的模糊估计模型。他说：“观察发现，在模糊图像的过程中，部分梯度的最高值会降低。所以我们可以通过最大化局部梯度来限制图像的重建，从而达到更精确的去模糊效果。”队员方发明教授介绍道。试验结果表明，这种方法显著提高了模糊估计的准确性，大大提高了去模糊效果。

另外，研究小组还设计了一种新型的多尺度残差网络，首次将图像的多尺度特征应用于超分辨率处理。这种创新方法通过结合模糊和超分辨率图像增强技术，有效地提高了磁共振重建图像的清晰度和分辨率。这种方法不仅提高了图像质量，而且在快速重建模型的基础上，进一步降低了采样率。例如，采样率可降低75%，通过2倍超分处理，磁共振设备的扫描时间可显著缩短。

低质量图像模糊和超分辨率增强方法示意图

03

多目标优化技术基于演变算法。

帮助重建磁共振成像

多个目标优化是提升领域的主要支柱，致力于同时提升多个相互冲突的目标。典型的演变算法框架处理多目标优化问题包括：(1)基于Pareto占优联系的演变算法；(2)基于分解的演变算法。团队成员周爱民教授指出:“这两个算法框架主要关注如何选择潜在的最优解进入下一代，即在多目标演变算法中选择算法的实现，而忽略了如何生成高质量的新解。所以，提高演变优化算法效率的基本原则是有效利用问题信息设计启发策略。”

针对这一问题，经过多年的理论分析，张桂戌带领团队成功将多目标优化问题的规则特征引入演变多目标优化，构建了Pareto最优解集的概率分布模型，并通过采样生成了高质量的新解。“我们获奖的另一个重要结果是利用时间序列方法成功预测新解的位置，针对动态多目标优化问题。根据变化前后问题之间的相关性。”团队骨干周爱民教授补充道。

由于演变算法是一种基于人群的优化算法，在实施过程中会对搜索空间进行大量取样，从而积累历史数据。张桂戌团队提出了一个巧妙的思路:建立一个计算资源自适应分配的多目标优化解决方案，基于历史数据，包括在线问题知识提取和知识引导搜索机制。这项重要技术为磁共振重建的准确性提供了坚实的理论支持。

在磁共振设备中，团队成员进行算法调节

04

落地应用和未来工作展望

为满足国家对高端医疗设备国产化的重大战略需求，张桂戌团队多年来一直致力于开发国产磁共振设备的快速成像系统。在磁共振成像设备中成功验证了团队开发的人工智能成像系统，完成了采样速度减少60%的突破，同时在宫颈癌检测领域也展现出了优异的应用潜力。另外，团队的研究成果已经成功地应用于各种自主研发设备。这类国产设备已经应用于100多家地县级医院。

“虽然我们取得了好成绩，但我们还有很长的路要走。”团队负责人张桂戌说:“随着技术的不断发展，我们应该不断优化成像系统，加快算法，以满足更复杂的临床需求。”

“我们的目标不仅仅是满足国家对高端医疗设备国产化的战略需求，更重要的是通过不断创新，促进医疗技术的发展和应用。”张桂戌补充道。

未来，团队将继续致力于开发更先进的磁共振成像技术，努力在全国范围内推广应用，进一步降低医疗成本，提高诊断准确性，为提高国民健康水平做出更大贡献。

原标题:快速磁共振成像和增强研究助力高端医疗设备产业化｜《上海市科技奖》

阅读原文

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com