磁共振成像（MRI）是评估人体大脑内部结构最有效的技术之一。这项技术利用磁场和无线电波生成软组织图像，具有非侵入性和不使用辐射的优点。然而，它也存在一些缺点。
参与者在MRI扫描期间的运动（如呼吸、眨眼或不自主运动）可能会导致图像模糊和重复结构，即所谓的“鬼影伪影”。由于MRI在脑部诊断和神经科学研究中起着关键作用，研究人员一直在探索新的方法，以更好地捕捉人脑的复杂性。
北卡罗来纳大学医学院放射学副教授李王（Li Wang）博士实验室的研究人员开发了两种新的生成式人工智能（AI）模型，以帮助提高脑部MRI的图像质量。他们的最新论文均发表在《自然生物医学工程》杂志上。
“图像质量对于可视化脑解剖结构和病理非常重要，可以帮助临床决策，”李王博士说，他也是生物医学研究成像中心的成员。“我们的生成式AI模型可以更准确可靠地分析脑结构，这对于神经系统疾病的早期检测、诊断和监测至关重要。”
在进行MRI成像之前，必须首先从图像中去除围绕大脑的骨骼（头骨）和其他非脑组织。这个过程被称为“去颅”，使得放射科医生能够无障碍地查看脑组织。然而，当扫描数据来自不同类型的扫描仪、个体和格式时，MRI往往难以产生准确一致的结果。
特别是在大脑经历动态变化（如脑大小和白质与灰质之间对比度反转）时，“去颅”很难将大脑与头骨隔离。因此，“去颅”可能会无意中过多或过少地去除周围非脑组织，干扰对脑解剖结构的准确解释。
一项新研究表明，他们的“去颅”模型可以更准确地去除非脑组织，并预测大脑体积随年龄的变化。使用来自18个不同地点、各种成像协议和扫描仪获取的21,334个生命周期的大规模多样数据集，研究人员确认该模型可以忠实地描绘大脑发育和老化的潜在生物学过程。李梅（Limei Wang）是该论文的第一作者，她是李王实验室的博士候选人。
第二个AI模型名为“脑MRI增强基础（BME-X）”，旨在提高整体成像质量。由李王实验室的孙越（Yue Sun）为首的研究团队在之前的论文中详细描述了该质量增强模型及其在改善患者护理和神经科学研究方面的应用。
像他们的“去颅”模型一样，BME-X在超过13,000张来自不同患者群体和扫描仪类型的图像上进行了测试。研究人员发现，它在纠正身体运动、从低分辨率图像重建高分辨率图像、减少颗粒状噪声以及处理病理MRI方面优于其他最先进的方法。
其最显著的成就之一是该模型能够“协调”来自不同MRI扫描仪的图像。不同的诊所和世界各地使用的MRI扫描仪包括西门子、GE和飞利浦的产品，每种都使用不同的模型和成像参数。这种变异性使得临床医生和研究人员难以获得清晰一致的结果。BME-X可以整合所有数据，创建“协调”的数据用于临床或研究需求。
这两种AI模型都有潜力促进涉及多个研究机构或MRI扫描仪的临床试验和研究。在神经影像学领域，这些模型还可以用于帮助制定新的标准化成像协议和程序。它们也可以应用于其他成像方式，如CT扫描。
(全文结束)
