增强型AI核磁共振成像在脑部异常检测中显示潜力

增强型AI核磁共振成像在脑部异常检测中显示潜力

研究人员开发了一种机器学习模型，可以将3T MRI图像升级为类似高分辨率的7T MRI图像，从而提高检测大脑异常的细节。合成的7T图像揭示了更细微的特征，如白质病变和皮层下微出血，这些在标准MRI系统中往往难以观察到。

在人工智能和医学科学的交汇处，人们越来越有兴趣利用机器学习来增强由磁共振成像（MRI）技术捕获的图像数据。

最近的研究表明，7特斯拉（7T）的超高磁场磁共振成像在解析解剖结构方面具有比3特斯拉（3T）高磁场磁共振成像更高的分辨率和临床优势，特别是在识别和监测脑部病理组织时。

合成的7T图像更好地捕捉了白质病变内的各种特征。credits： Neuroscience News

美国大多数临床MRI检查都是使用1.5特斯拉或3特斯拉的MRI系统进行的。直到2022年，国立卫生研究院记录显示，全球用于诊断成像的7特斯拉MRI机器仅有大约100台。

加州大学旧金山分校的研究人员开发了一种机器学习算法，通过合成类似7T的图像来增强3T MRI，这些合成图像可以近似真实的7T MRI。

他们的模型以更高的保真度增强了病理组织，为临床见解提供了支持，并代表了评估合成7T MRI模型的临床应用的新一步。

该研究于10月7日在第27届国际医学图像计算与计算机辅助介入大会（MICCAI）上发表。

我们的论文介绍了一种机器学习模型，可以从较低质量的图像中合成高质量的MRI。资深研究作者、加州大学旧金山分校神经病学助理教授Reza Abbasi-Asl博士表示：“我们展示了这种AI系统如何提高MRI在创伤性脑损伤中对大脑异常可视化和识别的效果。”

我们的研究突显了人工智能和机器学习在提升较简单成像系统捕获的医学图像质量方面的潜力。

更好地区分脑外伤和多发性硬化症的症状与表现

UCSF的研究人员从在UCSF被诊断为轻度创伤性脑损伤（TBI）的患者那里收集了影像数据。他们设计并训练了三个神经网络模型，使用标准3T MRI生成的合成7T MRI来进行图像增强和3D图像分割。

新模型生成的图像提供了患有轻度TBI患者的病理组织增强图。他们选择了一个包含皮质下区域白质病变和微出血的示例区域用于比较。

他们发现病理性组织在合成的7T图像中更易于观察，这一点从相邻病变的分离和皮质下微出血轮廓的更加锐利可以明显看出。

此外，合成的7T图像更好地捕捉了白质病变中的各种特征。这些观察结果也突显了使用这项技术提高如多发性硬化症等神经退行性疾病诊断准确性的潜力。

虽然基于机器学习框架的合成技术表现出卓越性能，但它们在临床环境中的应用将需要进行广泛的验证。

研究人员认为，未来的工作应包括对模型发现进行广泛的临床评估，对模型生成的图像进行临床评分，并量化模型中的不确定性。