人工智能辅助模型增强 MRI 心脏扫描

　　

密苏里大学医学院 和 工程学院的研究人员开发的人工智能辅助模型  可以将低质量的 MRI 心脏扫描转换为高质量的图像，同时将扫描心脏所需的时间减少约 90%。

心脏磁共振成像 (MRI) 扫描通常需要 30 到 90 分钟。扫描结果可以揭示心脏功能状况以及是否存在任何问题的重要信息。但由于运动会降低图像质量，扫描结果并不总是清晰或质量良好。

这就是密苏里大学研究人员开发的人工智能辅助模型 TagGen 可以发挥巨大作用的地方。

“如果图像模糊，就很难恢复细节或图像质量，”首席研究员Changyu Sun说道。“清晰度可以揭示对临床诊断非常重要的信息，例如是否存在异常运动或任何功能障碍。”

质量越高，扫描图像的标记线就越清晰，这些标记线是追踪肌肉运动的标记。这些标记线可以帮助医生识别心脏中运动不正常或可能受损的区域。如果没有这些标记线，追踪运动或准确测量心脏功能就会变得困难。人工智能在处理图像时，会恢复图像质量，并提供更清晰的心脏运动可视化效果。

人工智能带来的更快扫描速度和更佳的标语质量，使医生能够更好地观察心脏及其跳动、收缩和泵血的方式。如果没有 TagGen，扫描过程将耗时更长，成本也会上升，患者也会感到不适，图像质量也会下降。

“在心脏核磁共振扫描过程中，患者需要屏住呼吸以减少呼吸引起的胸部波动，这有助于获得更清晰的图像。”Changyu Sun教授说道。“有些扫描需要超过20次心跳，这使得患者屏住呼吸变得更加困难。通过使用TagGen来维护标线，医生可以看到原本可能错过的信息，而患者只需屏住呼吸三次心跳即可。这项技术将有助于提高诊断准确性并改善患者预后。” 

Changyu Sun计划在未来的工作中进一步完善 TagGen 并改进 MRI 运动追踪功能。他和他的团队还致力于将这项 AI 技术推广到 其他类型的心脏 MRI 扫描、计算机断层扫描 (CT) 以及其他器官的扫描，例如脑部 MRI。