💡这项突破是什么?
清华新闻网11月12日电 近期，针对临床代谢磁共振采集慢和图像模糊的长期痛点，清华大学生物医学工程学院宋小磊课题组通过自适应微调AI技术和病人自身结构像参考，实现了脑肿瘤病人的代谢图像超分辨增强。
多对比度磁共振成像（Multi-contrast MRI）可“无创无标记”实现人体多器官结构、功能、代谢一站式成像，已成为临床诊疗和转化研究中的重要工具。然而，受“分辨率-扫描时长”的关联制约，在临床病人扫描的有限时长内，很难同时获得高空间分辨率的多对比度图像。宋小磊课题组长期根植于“代谢磁共振与多模影像”，2023年率先采用此类技术进行代谢磁共振的超分超谱增强。近期，针对多对比度超分技术临床落地的两大难点，即不同医院的设备、采集参数差异和新型对比技术如代谢MRI缺乏可用于有监督学习的大规模数据集，团队提出了“先在公开数据集上有监督训练，再在临床数据上开展测试时自适应（Test-time adaptation，TTA）微调”的二阶段框架。该微调策略和以病人自身结构像为参照的超分辨新方法，在脑肿瘤病人代谢APTw图像和联影5T的腹部图像中均取得了SOTA的良好效果。
团队所提方法以病人自身结构像为参考，实现了对低分辨输入APTw图像的超分重建，使得20分钟的扫描时间缩短至约5分钟（图1）。值得一提的是，训练采用正常受试及不含APT的公开数据集，所提方法使得仅需4个肿瘤病人即达成收敛，证明可迁移至不同临床场景的泛化性（图2）。
图1.输入低分辨代谢像（LR）和高分辨结构像参照（Ref），输出代谢像高分辨
图2.在训练集和测试集存在较大偏差情况下，所提微调网络仅需4个肿瘤病人即达成收敛
