基于GPU加速的JEMRIS平台实现高效MRI模拟：在动态效应及多物种定量研究中的应用

本研究针对传统MRI模拟工具JEMRIS计算效率低下的问题，开发了支持CUDA的GPU加速版本（GPU-JEMRIS）。通过将计算密集型任务迁移至GPU、实现异步通信和混合精度支持，该研究在保持Bloch方程高精度求解（NRMSE<1%）的同时，使双精度和单精度模拟分别获得3-12倍和7-65倍的加速。研究成功模拟了呼吸运动导致的肝脏质子密度脂肪分数（PDFF）量化误差，为复杂多物种系统和大规模动态模拟提供了新工具。

　　

磁共振成像(MRI)技术的发展始终伴随着对精确模拟工具的追求。Bloch方程作为描述核磁共振现象的核心数学模型，其数值求解在序列设计、伪影分析和定量成像研究中具有不可替代的作用。然而，随着研究问题日益复杂——涉及多组织模型、多线圈系统、动态效应（如呼吸运动）等，传统CPU-based模拟工具面临巨大计算挑战。特别是对于需要高时间分辨率的自适应步长ODE求解器，计算耗时已成为制约研究进展的瓶颈。

现有解决方案主要分为两类：基于矩阵运算的快速模拟器（如KomaMRI.jl）牺牲了部分理论精度换取效率；而基于ODE求解的JEMRIS虽精度优异，却因缺乏GPU支持难以应对大规模计算。这种矛盾在需要同时考虑多化学物种（如水/脂肪）和器官运动的肝脏脂肪定量等临床问题上尤为突出——既需要精确建模复杂物理过程，又受限于实际可承受的计算时间。

针对这一技术困局，来自德国慕尼黑工业大学的Aizada Nurdinova团队在《Magnetic Resonance Materials in Physics, Biology and Medicine》发表研究，通过深度改造开源框架JEMRIS，成功实现了基于CUDA的GPU加速方案。研究团队重构了Model、Bloch_CV_Model等核心类，将样本参数、线圈灵敏度图等数据异步传输至GPU，利用CUDA流实现并行操作，并开发了支持混合精度的ODE求解器。关键技术包括：1）采用SUNDIALS库的GPU-aware ODE求解器；2）使用CUB库优化多线圈信号接收时的归约操作；3）通过cuRAND在GPU端生成随机变量；4）对2.25百万自旋的几何模型进行加速测试；5）构建包含10种化学组分的腹部数字体模（基于DUKE数据库）模拟呼吸运动效应。

【主要结果】

1. 1.

   性能基准测试

   通过EPI化学位移伪影、bSSFP带状伪影等经典案例验证，双精度GPU-JEMRIS与CPU版本结果差异可忽略（NRMSE<0.1%）。

   
2. 2.

   动态定量模拟

   在六回波梯度回波(MEGRE)序列中，3像素的呼吸运动导致肝脏PDFF估值出现系统性偏移（均值从8%升至14%）。

   
3. 3.

   精度-效率平衡

   单精度运算虽引入约0.8%的k-space信号误差，但将7-8小时的肝脏模拟缩短至1.25小时，使大规模动态模拟在临床可接受时间内完成成为可能。

这项工作的突破性在于首次将自适应步长ODE求解器成功部署于GPU平台，既保留了JEMRIS"全物理建模"的核心优势，又通过异构计算解决了其传统弱点。研究者特别指出，当前版本尚未实现扩散、化学交换等扩展功能，且受限于单GPU内存。未来通过MPI-GPU混合并行，有望进一步拓展其在超大型体模、并行发射等场景的应用边界。该工具已开源发布，将为MRI物理研究、序列优化及临床前验证提供新的计算范式。