面向大数据的快速磁共振成像

This project will study the big data oriented fast magnetic resonance (MR) imaging. Facing on the trade-off between imaging time and quality, our project will focus on fast imaging for MR images by studying the following four aspects, i.e., the data acquisition from K-space, the high resolution MR image reconstruction, fast algorithm for reconstruction, and relevant models and theories. This project will start from three points, i.e., the hardware and software of the MR equipment, MR imaging algorithms and the applications in medical diagnosis. Its goal is 1) improving the MR system developed by Shanghai Key Laboratory of Magnetic Resonance (SKLMR) in East China Normal University; 2) designing novel acquisition scheme in K-space; and 3) reconstructing fast super resolution model by sparse optimization and deep learning, using the big data from SKLMR and Shanghai Sixth People's Hospital affiliated by Shanghai Jiaotong University. Related theories and the new fields of application for fast imaging will also be explored. It is expected that the new theory, model, algorithm and applications from this project will make an important contribution in the field of MR imaging.

本项目研究面向大数据的快速磁共振成像。针对目前磁共振成像存在的成像时间和成像质量之间的矛盾，本项目拟以磁共振图像的快速成像为中心，围绕K-空间数据获取、高分辨率磁共振图像重建、模型快速算法设计、相关模型和算法理论四方面开展研究。项目从磁共振装置软硬件、磁共振成像算法、磁共振影像在医学中的应用三个角度出发，改进华东师范大学上海市磁共振重点实验室已有的自研磁共振成像系统，设计新型K-空间数据的获取方式；并充分利用磁共振重点实验室和上海交通大学附属第六人民医院积累的海量磁共振数据，结合稀疏优化和深度学习，构造快速求解模型，实现高分辨率磁共振图像的重建；项目还将研究相关方法的理论基础，并积极拓展快速成像的应用范围。预期项目研究的新理论、新模型、新算法和新应用将为磁共振快速成像的发展做出重大贡献。

本项目针对面向大数据的快速磁共振成像问题，运用了人工智能、大数据、物理和计算机科学等手段，发展了一整套新的快速磁共振成像方法，建立了磁共振影像数据库，部分成果已落地应用。项目实施以来，项目组在项目目标和学科发展趋势的引导下，认真开展了相关科学研究工作，严格执行了项目的研究计划，圆满地完成了研究任务，实现了预期研究目标。具体地，围绕研究内容，取得了一系列原创性成果: 1）为了减少采样时间，我们提出了基于串联膨胀稠密网络和两步频域修正法的磁共振重建深度学习等模型；2）为了获得高质量图像，我们提出了一系列深度学习算法，针对磁共振影像的伪影、噪声、模糊等问题，在图像域和k-空间同时进行图像的质量优化；3）为了保障方法的有效性，我们设计了深度神经网络结构搜索算法，提出了与快速算法相结合的保鲁棒性的算法，建立了部分算法的收敛性理论。我们还在磁共振影像的应用方面开拓了新路。本项目在理论上取得了磁共振图像重建领域目前顶尖的结果；在应用上，相关的磁共振图像重建算法、软件已在磁共振系统中获得应用，磁共振影像数据库也在与医院的合作科研中得到广泛运用；项目促进了跨学科合作研究、学科建设与人才培养。本项目的科学意义在于给出了面向大数据的快速磁共振成像的理论模型和实际算法，并拓展了磁共振在医学诊断等领域的应用。本项目的最终成果为面向大数据的快速磁共振成像提供了新的思路和途径。