AI赋能的超高梯度脑部专用磁共振成像系统

新闻

作者：OCSMRM
AI赋能的超高梯度脑部专用磁共振成像系统

  作为能为磁共振成像提供关键空间编码信息的核心部件，梯度系统的性能一直是磁共振成像设备研发过程中需要重点关注的对象。该性能指标主要包括梯度场强（Gmax）和切换率（SRmax）。传统临床超导磁共振设备通常装备有40mT/m梯度场强与200T/m/s切换率的梯度系统，而随着技术的进步，更高性能的临床系统正不断涌现，比如西门子Prisma+（130 mT/m，200 T/m/s）、GE Signa UltraG（114 mT/m，260 T/m/s）等。近年来，为满足神经科学的发展需求，专门针对人体脑影像开发的超高梯度磁共振系统（Gmax≥200mT/m, SRmax≥500T/m/s）已成为当前的一大热点（图1）。



图1：磁共振系统梯度性能发展史。图中标注了常见全身(whole-body)与头部专用(head-only)磁共振系统的(A)发布年份，以及(B)最大梯度场强与(C)切换率。

  根据成像原理可知，梯度性能的提高可以十分有效地提升成像分辨率和弥散磁共振性能。梯度场强和切换率决定了成像编码速度，进而决定了最短回波时间（TE）和带宽。随着梯度性能的提高，回波间距大幅度减少，从而极大地提高了信噪比，这对介观尺度（百微米）分辨率成像具有重要意义。此外，梯度场强的提高可直接提升弥散加权b值、缩短弥散时间，使得细胞与轴突微结构的重建更为精准。由此可见，高性能梯度系统不仅是发展磁共振神经影像的普适性需求，更能从本质性上推动介观尺度高分辨率成像和微观尺度弥散磁共振技术的发展。

  为实现超高梯度性能，通常需要应用高输出梯度功率放大器(gradient power amplifier, GPA)，以及高效率（单位电流所产生的梯度场强）的梯度线圈。根据切换率的估算公式，切换率=效率×(输出电压-输出电流×线圈电阻)/线圈电感，GPA的输出电压与输出电流直接影响着梯度切换率性能。因此，提高GPA的整体输出功率在超高性能梯度系统设计中至关重要。目前，常见临床磁共振系统中的单轴GPA输出功率一般为1.0MW，而装备于超高性能梯度系统中的GPA，该输出功率可达2.0~3.5MW。同时，在超高性能梯度系统中，常通过应用并联GPA等技术，使得最终的输出功率得到进一步提高。

  梯度线圈的设计对于实现超高梯度性能同样非常重要。由于头部专用线圈通常相对于全身线圈的成像区域更小、距离成像目标更近，其效率（≥0.15mT/m/A）相较于常见的全身线圈（≤0.1mT/m/A）会更高。同时，为了更好地容纳人体肩膀，该专用线圈常采用非对称结构，使得成像区域更靠近线圈的某一端。除了效率与电感，梯度线圈设计过程中还需要平衡其产生的梯度场线性度、线圈自屏蔽效率、受力振动以及外周神经刺激(peripheral nerve stimulation, PNS)等因素。由于超高性能梯度系统往往需要非常大的电流（数千安培）来驱动梯度线圈，各种副效应也会更加明显，常见的两层梯度线圈结构（主线圈+屏蔽线圈）已无法提供足够的设计自由度来实现多种性能的平衡。针对该问题，目前主流的超高性能梯度系统通常采用三层线圈结构，以提供足够的设计自由度来获得更优的梯度线圈性能。

  在设计高性能梯度线圈的过程中，由于PNS问题直接涉及到人体电磁安全性，已成为目前的主要热点与难点之一。控制PNS主要有两种思路：一是在线圈设计过程中优化其绕线样式，从而获得具有更高PNS阈值的梯度线圈；二是在通过刺激实验得到PNS阈值后，根据阈值调整成像序列的梯度波形，减少成像过程中对人体产生的刺激。显然，在系统设计阶段，应用思路一能够更为有效地降低研发成本，而近年提出的电磁场-神经动力学耦合理论以及最新发展的高精度虚拟人体模型也为构建基于梯度线圈的PNS阈值评估方法奠定了理论基础。该模型首先通过电磁场基本原理计算出梯度线圈工作时在人体产生的感应电场分布，并进一步得到其在人体外周神经上的投影；随后，将该投影作为外部刺激源导入到神经动力学模型中，最终仿真得到PNS阈值。

  近日，浙江大学吴丹教授团队携手上海联影医疗公司公开了一套正在研发的人脑磁共振成像系统NeuroFrontier，预期可达到梯度场强650mT/m、切换率600T/m/s的超高梯度性能（图2）。为实现该性能，NeuroFrontier通过并联的方式，在每个成像空间轴上配置了两台输出功率为3.5MW的高性能GPA（输出电压2280V，输出电流1550A）。磁体内孔径也分成了两部分，其中容纳头部的部分内径为390mm，容纳身体的部分则为590mm。梯度线圈采用了三层结构设计（图3），在直径为200mm的成像区域内达到了不高于7%的线性度偏差。针对PNS问题，在设计过程中根据构建的电磁场-神经动力学耦合模型对线圈PNS阈值进行了预估，并从中选择了最优方案。后续的PNS实验结果表明，NeuroFrontier系统的Y梯度线圈具有非常高的PNS阈值，而X线圈和Z线圈的PNS阈值也与当前主流系统较为接近（图4）。



图2：NeuroFroniter系统（A）结构示意图与（B）实物图；（C）展示了系统的主要性能指标。



图3：NeuroFroniter系统梯度线圈图示。包括（A）分开与（B）整合显示的三层结构X、Y以及Z梯度线圈绕线样式，以及（C）梯度装置实物图。



图4：NeuroFroniter系统的梯度线圈工作时产生的（A）空间磁通量密度幅值与（B）人体感应电场幅值分布，以及（C）实验测得的PNS阈值曲线对比。

  与此同时，NeuroFrontier还有一些区别于其它类似系统的特性（图5）。为实现运动伪影的实时矫正，NeuroFrontier配置了一种紧凑型光学追踪系统，以高帧率捕捉高分辨率的3D面部轮廓，并将其传输到由图形处理单元驱动的计算机中，从而实时检测和计算头部运动的六个自由度。这些信息将用于矫正射频和梯度脉冲的方向，以最小化头部运动的影响。除此之外，NeuroFrontier还通过AI赋能的压缩感知技术（AI-assisted compressed sensing，ACS）以及针对弥散磁共振采样空间的AI加速技术，保持成像质量稳定的同时，极大地加快了成像速度。



图5：（A）运动伪影实时矫正开启前后的弥散加权图像与方向编码彩色图谱对比，以及（B）ACS加速成像的示例。与传统的并行成像（parallel imaging）参考图相比，来自ACS的图像实现了相近的图像质量，以及更快的成像速度。

  目前，NeuroFrontier系统在PNS深度优化、涡流矫正等方面仍有不小的发展空间。相信在不久的将来，随着技术的不断进步，该系统有潜力成为脑影像研究的一大利器，为神经科学的发展做出重要贡献。我们也期待能在未来与OCSMRM的同行在超高梯度性能磁共振系统的研发与应用等领域进行深入的交流与合作！

  感谢您的关注！

超高梯度性能人脑磁共振成像系统相关文章：1.Wu D, Kang L, Li H, et al. Developing an AI-empowered head-only ultra-high-performance gradient MRI system for high spatiotemporal neuroimaging.  NeuroImage, 2024, 290: 120553.2.Feinberg DA, Beckett AJS, Vu AT, et al. Next-generation MRI scanner designed for ultra-high-resolution human brain imaging at 7 Tesla. Nat Methods, 2023, 20: 2048-2057.
3.Huang SY, Witzel T, Keil B, et al. Connectome 2.0: Developing the next-generation ultra-high gradient strength human MRI scanner for bridging studies of the micro-, meso- and macro-connectome. Neuroimage. 2021, 243: 118530.
4.Foo TKF, Tan ET, Vermilyea ME, et al. Highly efficient head‐only magnetic field insert gradient coil for achieving simultaneous high gradient amplitude and slew rate at 3.0T (MAGNUS) for brain microstructure imaging. Magn Reson Med. 2020,83(6):2356-69.5.Weiger M, Overweg J, Rosler MB, et al. A high-performance gradient insert for rapid and short-T(2) imaging at full duty cycle. Magn Reson Med. 2018, 79(6): 3256-3266.相关技术参考文章：1.Xue MY, Zhang HC, Cao B, et al. Parallel operation of gradient power amplifiers without large current-sharing reactor. IEEE Ener Conv. 2021, 5940-5943.2.Davids M, Guérin B, Endt A, et al. Prediction of peripheral nerve stimulation thresholds of MRI gradient coils using coupled electromagnetic and neurodynamic simulations. Magn Reson Med. 2019, 81(1): 686-701.3.Davids M, Dietz P, Ruyters G, et al. Peripheral nerve stimulation informed design of a high-performance asymmetric head gradient coil. Magn Reson Med. 2023, 90(2): 784–801.4.Chen H, Dai K, Zhong S, et al. High-resolution multi-shot diffusion-weighted MRI combining markerless prospective motion correction and locally low-rank constrained reconstruction. Magn Reson Med. 2023, 89(2): 605-619.5.Sui H, Gong Y, Liu L, et al. Comparison of artificial intelligence-assisted compressed sensing (ACS) and routine two-dimensional sequences on lumbar spine imaging. J Pain Res. 2023, 16: 257-67.

作者简介：



吴丹

教授，博士生导师

浙江大学求是特聘教授，生物医学工程系系主任，国家“万人计划”科技创新领军人才、中国青年五四奖章获得者。美国约翰霍普金斯大学博士，曾任约翰霍普金斯大学助理教授。主要研究方向为磁共振成像与医学影像分析。在PNAS、Radiology等高水平期刊发表论文100余篇，获授权专利22项，主持科技部重点研发计划等国家与省部级项目10余项。担任国际医学磁共振学会儿童磁共振分会主席、弥散磁共振分会候任主席；担任Human Brain Mapping副主编。入选麻省理工科技评论中国区35岁以下科技创新35人、达沃斯世界经济论坛青年科学家、浙江省“鲲鹏计划”专家、中国图像图形学学会“石青云”女科学家等。



康礼义

博士后研究员

2021年获得浙江大学生物医学工程博士学位，师从夏灵教授，主要研究方向包括高性能梯度线圈设计及其副效应的抑制等。之后加入浙江大学吴丹教授团队从事博士后研究工作，致力于磁共振成像系统的外周神经刺激效应理论分析，以及高刺激阈值梯度线圈设计方法的研究。曾参与国家自然科学基金面上项目，科技部973计划、“十二五”科技支撑计划项目子课题。目前为科技部重点研发计划专项，浙江省重点研发计划的核心成员。