清華大學(xué)醫(yī)學(xué)院聯(lián)合多家院校: 采用深度學(xué)習(xí)方法解決功能磁共振缺損信號修復(fù)難題
功能磁共振成像是通過血氧信號探測大腦功能活動的常用方法,無創(chuàng)而且空間精度高,在腦科學(xué)研究和腦疾病診療中具有廣泛應(yīng)用。然而,功能磁共振采集到的大腦活動信號常常會受到磁化率偽影、金屬植入物的干擾,造成局部的信號扭曲甚至缺損。神經(jīng)外科臨床診療中,難治性癲癇患者為了進行手術(shù)規(guī)劃而植入的顱內(nèi)電極、帕金森病人為了緩解震顫而植入的深部腦刺激器,這些植入物及其導(dǎo)線和連接器,都會對功能磁共振信號產(chǎn)生干擾,嚴(yán)重妨礙了通過功能磁共振成像評價和研究病人的腦功能網(wǎng)絡(luò),并可能導(dǎo)致對研究結(jié)果的誤讀。
日前,清華大學(xué)醫(yī)學(xué)院洪波團隊、航空航天學(xué)院李路明團隊與河南省人民醫(yī)院王梅云團隊、哈佛大學(xué)醫(yī)學(xué)院Martinos影像中心劉河生團隊合作,采用生成對抗網(wǎng)絡(luò)(Generative adversarial networks,GAN) 模型,對臨床上部分信號缺損的靜息態(tài)功能磁共振信號的實現(xiàn)準(zhǔn)確修復(fù)。
生成對抗網(wǎng)絡(luò)是一種深度學(xué)習(xí)框架,由一組生成器和分類器組成,在圖像人工智能處理領(lǐng)域具有廣泛應(yīng)用。在本研究中,團隊采用深度卷積生成式對抗網(wǎng)絡(luò)模型,通過對生成器進行正常樣本的對抗訓(xùn)練,使其學(xué)習(xí)到正常樣本各個腦區(qū)共同激活的統(tǒng)計分布,從而可以基于其中一部分腦區(qū)的激活信號,對另外一部分腦區(qū)缺損的功能磁共振信號進行預(yù)測。這種基于生成式深度學(xué)習(xí)模型的受損功能磁共振圖像修復(fù)技術(shù),巧妙解決了現(xiàn)有磁共振預(yù)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(wǎng)絡(luò)的連接圖譜,還可以實現(xiàn)信號缺損腦區(qū)功能磁共振激活時間序列的單幀重建,實現(xiàn)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(wǎng)絡(luò)連接圖譜相似性、以及個體大腦功能網(wǎng)絡(luò)特異性等方面,都達(dá)到了良好的性能指標(biāo),并在植入腦起搏器的帕金森患者腦功能成像中得到驗證。該方法對于臨床診療和腦科學(xué)科研中,因信號采集和電極干擾等問題導(dǎo)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。
圖1? 基于生成對抗網(wǎng)絡(luò)實現(xiàn)缺損功能磁共振信號修復(fù)的方法
圖2? 植入腦起搏器的帕金森患者大腦缺損磁共振信號得到準(zhǔn)確修復(fù)
上述成果10月7日以“采用深度學(xué)習(xí)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)為題在線發(fā)表于《自然?通訊》(Nature Communications)上。清華大學(xué)醫(yī)學(xué)院洪波教授、航空航天學(xué)院李路明教授、河南省人民醫(yī)院王梅云教授、哈佛大學(xué)醫(yī)學(xué)院劉河生教授是本論文的共同通訊作者,清華大學(xué)醫(yī)學(xué)院博士生閆宇翔、河南省人民醫(yī)院博士后Louisa Dahmani、清華大學(xué)航空航天學(xué)院博士生任建勛為論文的共同第一作者。該研究得到了國家自然科學(xué)基金委、科技部重點研發(fā)計劃等支持。
文章鏈接:
https://www.nature.com/articles/s41467-020-18823-9

