使用深度磁共振指纹图谱进行定量分子成像

快速阅读: 《Nature.com》消息，一种基于深度学习的饱和转移磁共振指纹技术（MRF）新方法，通过定量高效框架解决临床应用难题，可用于多种疾病成像。该协议详细描述了样本制备、扫描注意事项、AI模型构建及应用示例，并提供开源代码和数据，助力疾病研究和临床转化。整个流程耗时48分钟至57小时，适合研究生水平用户。

利用深度学习的饱和转移磁共振指纹技术（MRF）是一种非侵入式的体内蛋白质、代谢物及pH值成像新技术。它涵盖了一系列步骤，包括样本或受试者的准备、影像采集方案的设计、生物物理模型的构建，以及人工智能与计算模型的训练，接着进行图像采集、深度重建与分析。然而，由于其技术的复杂性、半定量对比加权特性，以及获取定量分子生物标志物所需的长时间扫描，基于饱和转移的分子磁共振成像（MRI）在临床应用成熟度和实际推广上进展缓慢。

深度MRF通过提供一种定量且高效的方法框架，解决了上述难题，用于提取具备生物学和临床意义的分子信息。在此，我们提出了一套完整的定量分子MRI协议。深度MRF通过提供一种定量且高效的方法框架，解决了这些挑战，用于提取具有生物学和临床意义的分子信息。我们详细描述了体外样本制备以及动物和人体扫描的相关注意事项，并介绍了采集协议的设计思路，同时讲解了化学交换饱和转移（CEST）和半固态磁化转移（MT）定量成像优化的直观方法。随后，我们深入阐述了几种人工智能模型的构建要素，并展示了其在不同应用场景中的表现，例如癌症监测、脑髓鞘成像及pH值量化。最后，我们提供了指导，帮助进一步调整和扩展这一流程，用于多种其他疾病的成像（如神经退行性疾病、中风和心脏疾病），并附带相关开源代码和样本数据。该流程完成所需时间为48分钟至57小时不等，适用于研究生水平的用户使用。

—

这一创新方法不仅填补了现有技术的空白，还为未来医学影像领域的发展提供了新的方向。无论是科研人员还是临床医生，都能从中受益，加速研究成果向实际应用的转化。

(以上内容均由Ai生成)