一种由密苏里大学哥伦比亚分校（University of Missouri-Columbia）医学院和工程学院研究人员开发的AI辅助模型，能够将低质量的MRI心脏扫描转化为高质量图像，同时将扫描心脏所需的时间减少约90%。
通常情况下，心脏磁共振成像（MRI）扫描需要30到90分钟。这些扫描可以揭示心脏功能的重要信息，并检测是否存在任何问题。然而，由于运动可能会降低图像质量，扫描结果并不总是清晰或高质量。
这就是密苏里大学（Mizzou）研究人员开发的AI辅助模型TagGen能够产生重大影响的地方。
“如果图像模糊，恢复图像细节或质量的方法非常有限，”首席研究员Changyu Sun表示，“清晰度为临床诊断提供了非常重要的信息，例如是否存在异常运动或功能障碍。”
更高的图像质量意味着扫描具有更清晰的标记线（taglines），这些标记用于追踪肌肉运动。这些标记帮助医生识别心脏中运动不正常或可能受损的区域。没有它们，就很难追踪运动或准确测量心脏功能。当AI处理图像时，它会恢复质量并提供更好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，使医生能够更好地观察心脏及其跳动、收缩和泵血的方式。如果不使用TagGen，获取扫描的时间会显著增加，成本更高，患者不适感更强，图像质量也较低。
“在进行心脏MRI扫描时，患者会被要求屏住呼吸以减少因呼吸引起的胸部运动，这有助于生成更清晰的图像，”Sun说，“某些扫描需要超过20次心跳，这让患者更难屏住呼吸。通过使用TagGen来保持标记线，医生可以看到原本可能遗漏的信息，而患者只需屏住呼吸三次心跳。这项技术将带来更好的诊断和改善的患者结果。”
对于未来的工作，Sun计划进一步完善TagGen并改进MRI运动跟踪技术。他和他的团队还在努力将AI技术推广到其他类型的心脏MRI扫描、计算机断层扫描（CT）以及针对其他器官（如脑部MRI）的扫描。
Changyu Sun博士是密苏里大学医学院放射科助理教授，同时也是密苏里大学工程学院生物医学工程助理教授。他也是NextGen Precision Health的研究员。他的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。
《TagGen：基于扩散的生成模型用于心脏MR标记超分辨率》最近发表在《医学中的磁共振》（Magnetic Resonance in Medicine）期刊上。除Sun外，研究作者还包括MU Health Care放射科医生Cody Thornburgh博士、影像科学家Yu Wang、MU Health Care心脏病专家Senthil Kumar博士以及MU Health Care放射科医生Talissa Altes博士。
(全文结束)
