近日，厦门大学电子科学系/福建省等离子体与磁共振重点实验室屈小波教授团队在计算成像权威期刊《IEEE Transactions on Computational Imaging》上发表论文“Magnetic resonance spectroscopy deep learning denoising using few in vivo data” (Dicheng Chen, Wanqi Hu, Huiting Liu, Yirong Zhou, Tianyu Qiu, Yihui Huang, Zi Wang, Meijin Lin, Liangjie Lin, Zhigang Wu, Jiazheng Wang, Hao Chen, Xi Chen, Gen Yan, Di Guo, Jianzhong Lin, Xiaobo Qu*, IEEE Transactions on Computational Imaging, DOI: 10.1109/TCI.2023.3267623, arXiv:2101.11442, 2023）。  

图1. 人脑代谢物磁共振波谱智能去噪。(a) 重熔长短期记忆神经网络ReLSTM学习从低信噪比（24次平均）到高信噪比（124次平均）的映射，ifft为离散反傅里叶变换，把波谱转换成对应的时域信号进行处理，(b) 脑部波谱数据采集区域，(c)主要代谢物定量分析。

磁共振波谱（Magnetic Resonance Spectroscopy, MRS）是活体代谢物的临床无创检测方法，但面临低信噪比挑战。医疗装备常采用数据多次重复采样后平均，导致采集时间线性增加（比如临床128次采样约需5~10分钟）。因此，亟待开发能同时提高信噪比和降低采样时间的方法。

计算感知实验室巧妙利用临床少量的25份（每份包含128次重复采样）数据，设计一种重熔长短期记忆神经网络（图1），成功实现低信噪比（24次平均）到高信噪比（124次平均）映射。在7个健康区域和3个病变（胶质瘤、脑梗死）区域的脑部实测数据表明，所提方法能在5倍加速采集下，实现代谢物浓度可靠性与高信噪比数据（128次平均）可比拟，比前沿去噪方法（指数低秩Hankel）在重要生物标志物达到更低估计误差和克拉美罗下限。该方法在单体素波谱的理论训练样本数目最高可达组合数C(128,124)=10668000，为少量人脑数据人工智能训练以适用患者数据提供了可能，具有良好的临床应用前景。

该工作由屈小波教授担任通信作者，博士生陈棣成和硕士生胡琬祺为共同第一作者。高端磁共振装备数据采集由厦门大学附属中山医院林建忠主任团队完成，得到飞利浦医疗王家正、林良杰和武志刚三位科学家支持，方法设计、临床意义和论文写作还得到美国哈佛医学院麦克莱恩医院陈希博士、厦门第二医院延根主任、上海交通大学陈浩博士、厦门理工学院郭迪教授等指导。

屈小波教授领导的计算感知实验室（http://csrc.xmu.edu.cn）从事计算磁共振成像、物理智能、医学影像和云计算等研究，受到国家优青等重要项目支持，该工作得到了国家自然科学基金（62122064, 61971361, 61871341, 61811530021, 81401405）、福建省自然科学基金（2021J011184）、福建省健康教育联合研究项目(2019-WJ-31)和厦门大学南强拔尖人才计划资助。

论文链接: https://dx.doi.org/10.1109/TCI.2023.3267623

预印本链接：https://arxiv.org/abs/2101.11442

厦门大学计算感知实验室：http://csrc.xmu.edu.cn

福建省等离子体与磁共振研究重点实验室: http://pmr.xmu.edu.cn