基于深度学习的残余运动伪影消除技术实现行为学甲虫动态显微磁共振成像

本文创新性地提出结合回顾性门控(respective gating)技术与U-Net深度学习网络，有效消除行为学甲虫(Pachnoda marginata)显微磁共振成像(μMRI)中的非刚性腹部运动伪影，突破性地实现117μm分辨率动态成像，为活体生物行为研究提供全新工具。

　　

Highlight

行为甲虫的休眠状态MRI：内脏器官运动

为捕捉休眠甲虫内脏器官动态，采用快速自旋回波(RARE)序列获取矢状面高分辨率图像：重复时间(TR)500ms，回波时间(TE)5ms，256×256像素成像矩阵，视野(FOV)30×30mm，平面分辨率达117×117μm，层厚3mm。通过动态MRI帧（20次重复，总采集时间640秒）成功记录选定关键点的运动轨迹。

讨论与结论

高场磁共振技术的进步为活体生物行为研究开辟了非侵入性研究路径。超高场MRI系统显著提升信噪比(SNR)，但受试者运动问题始终制约着动态成像发展。本研究通过集成计算机视觉系统与深度学习残差补偿技术，成功突破显微尺度运动伪影瓶颈。特别值得注意的是，该方法对甲虫节律性腹部运动的精准建模，为后续无脊椎动物神经动力学研究建立了技术范式。

作者贡献声明

第一作者Ajmal Chenakkara完成算法开发与论文撰写；Mazin Jouda参与概念设计；Ulrike Wallrabe提供显微机电系统支持；通讯作者Jan Korvink教授统筹项目并获取德国科学基金会(DFG)及欧盟"HiSCORE"项目资助。所有作者均确认使用赫尔姆霍兹研究所的共享实验平台。