SynPoC:一种利用高场MRI表征转换超低场床旁磁共振成像的高质量生成式扩散模型SynPoC: a high-quality generative diffusion model for transforming ultra-low-field point-of-care MRI using high-field MRI representations | Scientific Reports

环球医讯 / AI与医疗健康来源:www.nature.com澳大利亚 - 英语2026-01-25 05:07:59 - 阅读时长4分钟 - 1947字
澳大利亚研究人员开发出名为SynPoC的高质量生成式扩散模型,该模型能将超低场床旁磁共振成像(ULF PoC MRI)转换为类似高场MRI的图像质量。通过利用噪声和特定对比度特征建模场间表征,SynPoC在包含180名参与者(包括健康人和多种脑部疾病患者)的多中心数据集上展现出改善的解剖清晰度和结构对齐性,但研究者强调该技术存在产生误导性特征的风险,特别是在低信噪比边界区域,因此在没有额外保障措施和充分验证前不应直接用于临床诊断决策,需进一步验证其安全性和有效性。
健康个体医学影像超低场床旁磁共振成像PoCMRI高场MRISynPoC生成式扩散模型图像质量增强脑部疾病诊断效用
SynPoC:一种利用高场MRI表征转换超低场床旁磁共振成像的高质量生成式扩散模型

摘要

超低场(ULF)床旁磁共振成像(PoC MRI)因其便携性和低成本,为改善医学影像可及性提供了有前景的途径。然而,ULF MRI的诊断效用目前受到较低图像质量的限制,特别是在信噪比、分辨率和对比度方面。为解决这一问题,我们引入了SynPoC,一种旨在通过合成类似高场MRI的图像来增强ULF MRI的生成式扩散模型。SynPoC采用条件对抗扩散框架,利用噪声和特定对比度特征来建模场间表征。我们在包含180名参与者的多中心数据集上评估了SynPoC,参与者包括健康个体和患有各种脑部疾病的患者。增强后的图像展现出改进的解剖清晰度和与相应高场MRI的结构对齐性,这得到了定量和体积分析的支持。我们的模型在图像质量增强和研究应用方面展现出前景;然而,与其他生成式方法一样,存在产生幻觉或误导性特征的非零风险,特别是在低信噪比边界和精细结构附近。因此,我们提供同步的逐层比较视频(3T、PoC、SynPoC),以帮助读者检查,并强调在没有额外保障和验证的情况下,SynPoC不应用于诊断决策。在用于诊断前需要进一步验证。

数据可用性

评估本文结论所需的所有数据均存在于论文和/或补充材料中。为便于对关键结果进行逐层比较,我们还提供了展示PoC、SynPoC和3T图像并排轴向视图的视频演示,这些内容作为补充材料的一部分。原始MRI数据集及其相关注释因患者隐私义务和机构规定而受到限制。这些数据集包括内部和外部来源,已获得必要的机构许可和机构审查委员会(IRB)批准,因此不公开提供。然而,有兴趣的研究人员可直接联系通讯作者,为非商业和学术目的申请获取支持本研究发现的数据。

致谢

本研究获得澳大利亚国家成像设施(NIF)和Hyperfine公司的资金支持。作者感谢NIF(国家合作研究基础设施战略(NCRIS)能力)在莫纳什生物医学成像中心、莫纳什大学提供的设施以及科学和技术支持。

作者信息

作者注:Kh Tohidul Islam和Sanuwani Dayarathna对本工作贡献相等。

作者单位

  1. 莫纳什大学莫纳什生物医学成像中心,澳大利亚维多利亚州克莱顿
  2. 澳大利亚国家成像设施,昆士兰州布里斯班
  3. 莫纳什大学神经科学系,澳大利亚维多利亚州克莱顿
  4. 阿尔弗雷德医院放射科,澳大利亚维多利亚州墨尔本
  5. 昆士兰大学赫斯顿成像研究中心,澳大利亚昆士兰州布里斯班
  6. 昆士兰大学电气工程与计算机科学学院,澳大利亚昆士兰州布里斯班
  7. 南澳大利亚健康与医学研究所,澳大利亚南澳大利亚州阿德莱德
  8. 昆士兰科技大学临床科学学院,澳大利亚昆士兰州布里斯班
  9. 皇家珀斯医院David Hartley放射学讲席,澳大利亚西澳大利亚州珀斯
  10. 西澳大利亚大学医学院,澳大利亚西澳大利亚州珀斯
  11. 莫纳什大学数据科学与人工智能中心,澳大利亚维多利亚州克莱顿
  12. 南澳大利亚卫生部SA医学成像,澳大利亚南澳大利亚州阿德莱德
  13. 莫纳什大学外科系,澳大利亚维多利亚州克莱顿
  14. 皇家阿德莱德医院神经科,澳大利亚南澳大利亚州阿德莱德

作者贡献

概念化:K.T.I.、S.D和Z.C.;数据整理:K.T.I.、S.D、P.Z.、A.D、S.B、H.K和G.D.;形式分析:K.T.I.、S.D.、A.D.、P.M.P.、M.L和Z.C.;资金获取:S.F.和Z.C.;研究:K.T.I.、S.D.、A.D、P.M.P.、M.L.和Z.C.;方法论:K.T.I.、S.D.、H.S和Z.C.;项目管理:P.Z.、H.K、G.D.、S.F.和Z.C.;资源:S.Z.和Z.C.;软件:K.T.I.、S.D和Z.C.;监督:A.D、P.M.P.、M.L.和Z.C.;验证:K.T.I.、M.B.、K.L.M.、P.M.P.、A.D.、G.F.E.、S.B.、M.L和Z.C.;可视化:K.T.I.、S.Z.、M.B、K.L.M、P.M.P、A.D.、G.F.E.、M.L.和Z.C.;初稿撰写:K.T.I.和S.D;审阅与编辑:K.T.I.、S.D、S.Z.、H.K、S.F.、H.S.、G.F.E、M.B.、A.D.、K.L.M.、P.M.P.、M.L和Z.C。所有作者均已阅读并同意发表版本。

伦理声明

利益冲突:作者声明无利益冲突。

伦理与参与同意:莫纳什大学人类研究伦理委员会(MUHREC)批准了本研究(批准号:32631)。

版权信息

开放获取:本文根据知识共享署名4.0国际许可协议许可,允许在任何媒体或格式中使用、共享、改编、分发和复制,只要您适当注明原作者和来源,提供知识共享许可链接,并指明是否进行了修改。

发表信息

收到日期:2024年12月16日

接受日期:2025年12月16日

发表日期:2026年01月24日

【全文结束】