磁共振成像（MRI）是评估人体大脑内部结构最有效的技术之一。这项技术利用磁场和无线电波生成软组织图像，具有非侵入性和不使用辐射的优点。然而，它也存在一些缺点。例如，在扫描过程中，受试者的呼吸、眨眼或不自主运动可能会导致图像模糊和重复结构伪影（ghost artifacts）。由于MRI在脑部诊断和神经科学研究中起着关键作用，研究人员一直在寻找新的方法来更好地捕捉人脑的复杂性。
北卡罗来纳大学教堂山分校放射学系副教授Li Wang博士领导的实验室创建了两个新的生成式人工智能（AI）模型，以帮助提高脑部MRI的图像质量。一个模型可以更准确地去除非脑组织，另一个模型则可以大幅增强成像质量。这两篇论文均发表在《自然生物医学工程》杂志上。
“成像质量对于可视化脑解剖结构和病理状况非常重要，可以帮助指导临床决策。”Wang说，他同时也是生物医学研究成像中心的成员。“我们的生成式AI模型可以对脑结构进行更准确可靠的分析，这对于早期检测、诊断和监测神经疾病至关重要。”
在MRI完全处理图像之前，必须先从图像中去除围绕大脑的骨骼（头骨）和其他非脑组织。这个过程被称为“去颅骨”，使得放射科医生可以无障碍地查看脑组织。然而，当扫描数据来自不同类型扫描仪、个体和格式时，MRI往往难以产生准确一致的结果。特别是，当大脑经历动态变化（如脑大小变化和白质与灰质之间的组织对比度反转）时，“去颅骨”很难将大脑与头骨分离，这可能会无意中去除过多或过少的非脑组织，干扰对脑解剖结构的准确解释。
一项新研究表明，他们的去颅骨模型可以更准确地去除非脑组织，并预测大脑体积在整个生命周期中的变化。研究人员使用了一个大型多样化的数据集，包括来自18个不同地点、采用不同成像协议和扫描仪获得的21,334个生命周期数据，验证了该模型可以忠实地描绘脑发育和衰老的基本生物学过程。Limei Wang是这篇论文的第一作者，她是Wang实验室的博士候选人。
第二个AI模型名为Brain MRI Enhancement基础模型（BME-X），旨在提高整体成像质量。Yue Sun在Wang实验室发表的前一篇论文详细描述了该质量增强模型及其在改善患者护理和神经科学研究方面的应用。
与他们的去颅骨模型一样，BME-X在超过13,000张来自不同患者群体和扫描仪类型的图像上进行了测试。研究人员发现，它在纠正身体运动、从低分辨率图像重建高分辨率图像、减少颗粒状噪声以及处理病理性MRI方面优于其他最先进的方法。
BME-X的一个最显著特点是其能够“协调”来自不同MRI扫描仪的图像。不同诊所和世界各地使用的MRI扫描仪品牌众多，包括西门子、通用电气（GE）和飞利浦，每个品牌都使用不同的型号和成像参数。这种差异性使得临床医生和研究人员难以获得清晰一致的结果。BME-X可以整合所有数据，创造“协调”的数据，用于临床或研究需求。
这两个AI模型有潜力促进涉及多个研究机构或MRI扫描仪的临床试验和研究。在神经影像领域，这些模型还可以用于创建新的标准化成像协议和程序。此外，它们也可以应用于其他成像方式，如CT扫描。
(全文结束)
