由密苏里大学医学院（University of Missouri School of Medicine）和工程学院（School of Engineering）的研究人员开发的一种AI辅助模型，能够将低质量的心脏核磁共振成像（MRI）扫描转化为高质量图像，同时将扫描时间缩短约90%。
一次心脏磁共振成像（MRI）通常需要30到90分钟。这些扫描可以揭示心脏工作状态的重要信息，并发现潜在问题，但图像质量常常因运动而受到影响，导致模糊不清。
正是在这一点上，密苏里大学（Mizzou）研究人员开发的AI辅助模型TagGen可以发挥重要作用。
“如果图像模糊，恢复其细节或质量的方法非常有限，”首席研究员孙长宇（Changyu Sun）表示，“清晰度对于临床诊断至关重要，例如检测是否存在异常运动或功能障碍。”
关于该技术的论文已发表在《医学中的磁共振》（Magnetic Resonance in Medicine）期刊上。
更高的图像质量意味着扫描中的标记线更加清晰，这些标记线用于追踪肌肉运动。它们帮助医生识别心脏中运动异常或可能受损的区域。如果没有这些标记线，很难跟踪心脏运动或准确测量心脏功能。随着AI处理图像，它不仅恢复了图像质量，还提供了更清晰的心脏运动可视化效果。
通过AI实现的更快扫描和改进的标记线质量，医生能够更好地观察心脏的跳动、收缩和泵血情况。如果不使用TagGen，获取扫描结果的时间会显著延长，增加成本和患者的不适感，并降低图像质量。
“在心脏MRI扫描过程中，患者被要求屏住呼吸以减少因呼吸引起的胸部运动，从而生成更清晰的图像，”孙长宇说，“一些扫描需要超过20次心跳的时间，这让患者难以长时间屏气。通过使用TagGen保持标记线的完整性，医生可以看到原本可能遗漏的信息，而患者只需屏气三次心跳的时间。这项技术将带来更精准的诊断和更好的患者结果。”
未来，孙长宇计划进一步优化TagGen并改进MRI运动追踪技术。他和他的团队还在努力将这种AI技术推广到其他类型的心脏MRI扫描、计算机断层扫描（CT）以及脑部等其他器官的MRI扫描中。
孙长宇博士是密苏里大学医学院放射科助理教授，同时也是工程学院生物医学工程助理教授。他还是一名NextGen精准健康研究员，其研究重点是开发快速MRI采集、精确重建和先进AI技术的新策略。
(全文结束)
