深度学习磁共振指纹技术助力定量分子成像：突破与应用

为解决基于饱和转移的分子磁共振成像（MRI）技术复杂、半定量、扫描时间长等问题，研究人员开展深度学习饱和转移磁共振指纹（MRF）的定量分子 MRI 研究。他们制定完整方案，展示多种人工智能模型性能，该研究为多种疾病成像提供新途径。

　　深度学习的饱和转移磁共振指纹（MRF）是一种新兴的用于蛋白质、代谢物和 pH 值的非侵入性体内成像方法。它包含样本 / 受试者准备、图像采集计划设计、生物物理模型构建、人工智能和计算模型训练，以及图像采集、深度重建和分析等一系列步骤。基于饱和转移的分子 MRI 由于技术复杂、对比度加权半定量特性，以及提取定量分子生物标志物所需的长扫描时间，在临床成熟和临床实践应用方面进展缓慢。深度 MRF 通过提供一个定量且快速的框架来提取具有生物学和临床意义的分子信息，解决了这些挑战。在此，我们定义了一个使用深度 MRF 进行定量分子 MRI 的完整方案。我们描述了体外样本制备、动物和人体扫描注意事项，并说明了采集协议设计以及化学交换饱和转移（CEST）和半固体磁化转移（MT）定量成像优化背后的原理。然后，我们详细描述了几种人工智能模型的组成部分，并展示了它们在不同应用中的性能，包括癌症监测、脑髓鞘成像和 pH 值定量。最后，我们提供了进一步修改和扩展用于多种其他疾病（如神经退行性疾病、中风和心脏病）成像流程的指南，同时附上相关开源代码和样本数据。该过程完成时间在 48 分钟（针对两个质子池或体外成像）到 57 小时（针对复杂的多质子池体内成像）之间，适合研究生水平的用户。