图1：使用增强磁共振成像得到的脑部图像。传统的磁共振成像（MRI）需要昂贵的磁体产生强磁场，然而实现这种强磁场很困难。
a，低场强的替代MRI系统更便宜、更便携，但它们生成的图像质量低、噪音大，如图所示为一名33岁志愿者的脑部图像。
b，Man等人制定了一个使用深度学习技术提高这些图像质量的方案。
c，该方法改善了其他不涉及深度学习技术进行增强模式的质量
d，其图像在外观上接近于具有更高的标准磁场强度的系统所生成的图像。
然而，在深度学习增强的图像中的一些不一致之处也很明显，例如脑室（大脑内部含有液体的隔间，红色）变大，大脑表面褶皱模式简化（蓝色）。

—— 一种被称为低场强磁共振成像（low-field MRI）的磁共振成像技术^[1]可以使这项技术更加普及，但前提是必须提高图像质量。深度学习方案^[2]可能是关键所在。

磁共振成像（MRI）是医疗诊断的重要工具，然而，由于成本高昂和需要先进的基础设施等因素，磁共振成像的实用性往往受到限制。因此，在许多医疗机构，尤其是中低收入国家，无法使用传统的磁共振成像技术。应对这些挑战的方法之一是开发使用低磁场强度的磁共振成像。然而，低场强磁共振成像也带来了一系列问题，与传统磁共振成像相比扫描时间更长、信噪比降低。Man等人在《科学进展》（Science Advances）杂志上发表文章，报告了一种有望解决这些局限性的方法，该方法利用深度学习技术来增强超低场强磁共振成像获得的图像。这种方法是对旨在利用深度学习使磁共振成像变得经济实惠、广泛普及的努力的重要贡献。

磁共振成像系统通常用于帮助医生将一种组织和另一种组织区分开。简单地说，这是将人体置于系统磁场的同时向组织发送射频脉冲，然后测量组织中氢原子核的磁响应在样本中的变化来实现的。自半个世纪前磁共振成像问世以来，人们一直倾向于使用更高的磁场强度，因为与较弱的磁场相比，更强的磁场能产生更强的信号。早期临床使用的磁共振成像扫描仪的磁场强度最高为0.5特斯拉，而现在1.5T和3T的磁共振成像扫描仪已被广泛使用，在某些研究领域磁场强度更高的系统也很受欢迎。

但人们对低场强磁共振成像的兴趣正在迅速增长，现在出现了磁场强度低于0.1T的超低磁场系统。Man及其同事使用的系统仅以0.055T的磁场强度运行。通常，这样的系统会生成嘈杂、低分辨率的图像。但作者表明，他们可以利用最先进的深度学习技术提高图像质量，使一些解剖细节更加清晰可见。

图像处理方案包括以低空间分辨率和低信噪比采集两种类型的三维图像，每种图像的对比度不同。此外，还利用一种称为半傅立叶采样^[3]的技术对图像进行了欠采样。通过欠采样，作者将这些图像的扫描时间缩短到了三分钟左右，比同一研究团队的成员以前用不同方法实现的扫描时间快了三倍多。

三维图像随后成为该团队深度学习模型的输入，该模型旨在从低分辨率图像创建高分辨率图像，从而实现“超分辨率”。这种方法的灵感来自于在自然场景的二维图像中实现超分辨率的网络模型，作者将其扩展到三维图像，以便更好地捕捉大脑结构的特征。

该模型需要在成对的超低场强和3T磁共振成像人脑图像上进行训练。然而，这类数据目前还很少。为了应对这一挑战，研究团队使用了由3T磁共振成像系统生成的公开人脑图像数据集。然后，他们模拟了欠采样、分辨率低、噪声大的超低场强磁共振图像的特征。这种创新方法为作者的模型提供了强大的训练数据集，为未来发展用于超低场强磁共振成像的深度学习方法展示了一种前景广阔的技术。

Man等人通过对200个合成数据的两个关键图像质量指标进行评估，证明了其方案的有效性，并表明处理后的图像在数量上平均优于原始超低场强磁共振图像。来自健康志愿者的磁共振成像数据再次证实了这些发现。与传统图像重建和去噪方法相比，作者的技术所生成的图像在质量上噪音更小，并且图像的外观更接近使用3T场强磁共振成像设备扫描所得到的结果。

尽管Man及其同事的研究结果很有希望，但他们的研究并未对图像信息在临床环境中的实用性进行全面评估。为了真正评估通过这种方法获得的图像的诊断潜力，需要对具有不同脑部病变的不同个体进行更广泛的临床评估。事实上，医学成像中与深度学习方法相关的一个问题是，它们有可能从图像中删除异常特征。在深度学习重建通过高速磁共振成像^[4]获得的大脑图像时，观察到这种被称为“伪正常化”（pseudo-normalization）的现象。

深度学习超分辨率方法的核心是提高图像的分辨率，使其超过原始图像的分辨率。这些模型根据其所训练的大量数据集中的模式，学习预测和填补缺失的高分辨率细节。因此，仅在健康人身上训练的模型缺乏对病变的接触，可能无法准确地表现病变。相反，超分辨率模型有时也会产生“幻觉”，生成可能看起来逼真、但在原始图像中并不存在的细节。这两个问题都加强了对深度学习技术进行严格临床验证的必要性。

Man等人的研究重点是将深度学习用于图像增强，这与用于图像重建的深度学习不同。用于重建的深度学习方法通常包含数据保真度措施，这有可能降低产生幻觉的几率。这些方法可能比专为图像增强设计的深度学习方法更准确，因为它们在图像形成过程中利用了数据中固有的冗余，而不是仅仅依靠以前数据集的模式来提高分辨率。继续开展的工作旨在开发出能够准确估计利用深度学习重建或增强的图像中的误差的方法。

尽管如此，Man及其同事的超低场强成像方法为实现具有成本效益和可获得性的磁共振成像迈出了激动人心的一步。确保其方法的可靠性至关重要，尤其是在检测异常方面。未来的研究必须小心谨慎，在尖端成像技术的诱惑与临床准确性的严格要求之间取得平衡。

注：

[1] Magnetic Resonance Imaging，MRI，磁共振成像，是一种医学成像技术，用于放射学中以形成人体的解剖结构和生理过程的图片。MRI扫描仪使用强磁场，磁场梯度和无线电波来生成体内器官的图像。MRI不涉及X射线或使用电离辐射，这与CT和PET扫描有所区别。更多信息可参考 《磁共振成像 Magnetic resonance imaging》和 《什么叫MRI?有什么优点缺点?》。

[2] protocol，研究方案，在文献中常称作研究方案，从科研角度是指实验步骤、实验手册等。更多信息可参考 《做研究之前，强烈建议这样写一份 protocol！》和 《如何从科研角度理解protocol和proposal以及design三者之间的联系和区别？》以及 《真香！没完成实验，先写一篇Protocol也能发SCI》。

[3] partial Fourier sampling，半傅立叶采样，部分傅立叶采样，又叫部分K空间采样，是仅使用一半K空间数据产生完整磁共振图像的方法。这种方法利用了K空间的共轭对称特性，只采集K空间一半多的数据，然后利用数学原理把另一半给计算出来。这样K空间的相位编码线填充少了，扫描时间相应缩短、速度得到提升。更多信息可参考 《磁共振参数的名称（不同厂家之间的专业术语）（四）》和 《加快磁共振成像的参数汇总--磁共振快速成像技术》以及 《Question-部分傅里叶技术：什么是部分傅里叶成像？》。

[4] highly accelerated MRI，高速磁共振成像，扫描速度慢是磁共振三维成像的重要问题，制约其扫描流量及重大疾病相关的高级临床应用。近年多采用稀疏采样和并行成像技术缓解磁共振成像采集时间过长的问题。更多信息可参考 《并行磁共振成像重建中投影快速迭代软阈值算法的收敛性分析 (中文，English)》和 《基于可分离增强低秩Hankel矩阵的快速MRI重建(中文，English)》以及 《磁共振成像发展与超高场磁共振成像技术》。

BMEN202312090001
来源：Nnature
标题：The deep route to low-field MRI with high potential