日前，鄭州大學人民醫院王梅云團隊與清華大學醫學院洪波團隊、航天航空學院李路明團隊，哈佛大學醫學院Martinos影像中心劉河生團隊合作，采用深度學習方法解決功能磁共振缺損信號修復難題，研究成果以題為《采用深度學習方法重建個體大腦缺損的血氧水平依賴信號》（Reconstructing lost BOLD signal in individual participants using deep machine learning）的論文發表在國際頂級期刊《自然?通訊》（Nature Communications）上。王梅云教授為本論文的共同通訊作者，鄭州大學人民醫院博士后路易莎·達馬尼（Louisa Dahmani）為論文的共同第一作者。

研究團隊采用生成對抗網絡（Generative adversarial networks，GAN）模型，對臨床上部分信號缺損的靜息態功能磁共振信號實現準確修復。這種基于生成式深度學習模型的受損功能磁共振圖像修復技術，巧妙解決了現有磁共振預處理方法無法處理信號缺損腦功能圖像的難題。該方法不僅可以修補大腦皮層網絡的連接圖譜，還可以實現信號缺損腦區功能磁共振激活時間序列的單幀重建，實現了對大腦激活磁共振信號在時間和空間上的完整重建。該方法在信號序列波動一致性、功能網絡連接圖譜相似性、個體大腦功能網絡特異性等方面，都達到了良好的性能指標。植入磁共振兼容腦起搏器的帕金森患者，腦功能圖像通過該方法實現了準確修復。該方法針對臨床診療和腦科學科研究中因信號采集和電極干擾等問題導致的功能磁共振信號的缺損，提供了一種新穎有效的解決方案。

該研究得到了國家自然科學基金委、科技部重點研發計劃等支持。

文章鏈接https://www.nature.com/articles/s41467-020-18823-9鄭州大學版權所有，禁止非法轉載！2020-10-19 08:38:25