AI 可以从低场强的 MR 扫描中创建高分辨率的脑部扫描

如果便携式低场强 MRI 系统能够克服其低空间分辨率和低信噪比 (SNR) 的问题，则它们可以改变神经成像。 哈佛医学院的研究人员正在使用人工智能来实现这一目标。 他们开发了一种超分辨率机器学习算法，该算法使用较低分辨率的大脑 MRI 扫描创建高空间分辨率的合成图像。

称为 LF-SynthSR 的卷积神经网络 (CNN) 算法将低场强 (0.064 T) T1 和 T2 加权脑 MRI 序列转换为具有 1 mm 空间分辨率和 T1 加权磁化外观的各向同性图像 -准备好的快速梯度回波 (MP-RAGE) 采集。 放射学发表了研究人员的一项概念验证研究，该研究表明合成图像与通过 1.5 T 或 3.0 T MRI 扫描获得的图像之间存在高度相关性。

许多神经影像学研究依靠形态学来分析结构的大小和形状。 然而，大多数 MRI 分析工具并不是为处理高分辨率、接近各向同性的采集而设计的。 他们通常需要 T1 加权图像，例如 MP RAGE。 随着体素大小和各向异性的增加，它们的性能会迅速下降。 绝大多数临床 MRI 具有高度各向异性，无法使用现有工具进行可靠分析。

来源和详细信息：

AI creates high-resolution brain images from low-field strength MR scans