精密测量院周欣课题组在磁共振成像领域提出编码增强的复值卷积神经网络(EN2C CNN)实现超快精准成像
近日,精密测量院周欣课题组在磁共振成像(Magnetic Resonance Imaging, MRI)领域研究中取得新进展,提出一种编码增强的复值卷积神经网络(Encoding Enhanced Complex CNN,EN2C CNN),可显著缩短MRI成像时间, MRI加速倍数达到临床现有方法的6倍,重建时间达到毫秒级,实现超快、精准的成像。相关研究近日在著名医学影像处理期刊《IEEE Transactions on Medical Imaging》上在线发表。
在成像领域中,光学成像、CT等成像技术获得的原始数据均为实值,而MRI因其独特的成像原理,获得的原始数据为复值,分为实部和虚部(可表示为a+bi),具有比实值数据更为丰富的信息。因此,研究团队对MRI复值信号的特点进行了研究,发展出独属于MRI的高效成像方法。寻根溯源,MRI原始数据为复值的原因是MRI在信号采集时施加了相位编码(phase encoding)和频率编码(frequency encoding),以区分来自不同空间位置的信号。卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习模型,通过卷积层提取数据的局部特征,能从大规模数据中提取关键信息。基于以上考虑,研究团队提出一种全新的编码增强的复值卷积神经网络(EN2C CNN),可沿MRI编码方向进行复值数据的特征提取,增强复值数据的学习性能。同时,最大限度地利用MRI编码的相关性和完整性,进而提升MRI成像速度和准确性,最终实现超快、精准的成像效果。
方法的具体框架如图1所示。研究团队通过实验发现(图2-4),当加速倍数达到6倍(即仅采集全采样数据的16%)时,现有方法的精度无法满足临床诊断需求。相比之下,EN2C CNN即使在高加速倍数下,仍能获得高质量的图像并提供与全采样图像高度一致的临床参数。此外,EN2C CNN重建图像的时间仅需毫秒级,能够满足实时重建的需求。该方法有望推动MRI在急重症诊疗等需要快速成像的临床场景中的应用。
图1. 编码增强的复值卷积网络EN2C CNN框架
图2. 在4倍加速下,不同方法重建的肺部1H MR图像
图3. 在6倍加速下,不同方法重建的肺部129Xe MR图像
图4. 在4倍与6倍加速下,不同方法重建的肺部129Xe MR图像的通气缺陷分割结果
该方法基于周欣课题组自主研制的“人体肺部气体多核磁共振成像装备verImagin uMR 780(Xe)”开发,该装备已获批全球首个同类三类创新医疗器械,并应用至北京301医院,上海长征医院、武汉同济医院等全国多家三甲医院,合作开展了慢阻肺、肺癌、新冠肺炎等临床研究。随着临床应用的进一步推广,未来该设备将在全国更多医院应用,服务广大人民群众生命健康。
该研究以“编码增强的复值卷积网络用于精准及高加速磁共振成像 (Encoding Enhanced Complex CNN for Accurate and Highly Accelerated MRI)”为题在《IEEE医学影像汇刊》(IEEE Transactions on Medical Imaging) 上发表,由精密测量院博士生李梓萌和副研究员肖洒(共同第一作者)在周欣研究员(通讯作者)的指导下完成,该工作得到了国家重点研发计划和国家自然科学基金等资助。