基于MRI CT图像生成人工智能技术的发展

经颅聚焦超声可用于治疗退行性运动障碍、顽固性疼痛和精神障碍，方法是在不打开颅骨的情况下将超声能量传递到大脑的特定区域。这种治疗必须使用可以定位大脑病变的基于图像的技术进行。医生通常使用 CT 获取有关患者头骨的信息，这些信息仅用 MRI 难以识别，并通过头骨将超声准确聚焦在病变上。然而，人们一直担心 CT 扫描的安全性，在此期间辐射暴露是不可避免的，尤其是在儿童和孕妇患者中。

韩国科学技术研究院仿生学研究中心的 Hyungmin Kim 博士团队(KIST，Seok-Jin Yoon 院长)开发了一种人工智能技术，可以根据 MRI 图像生成 CT 图像，并进行了模拟实验。结果表明，经颅聚焦超声手术可以单独使用 MRI 进行。

已经努力从 MRI 图像中获取颅骨信息，但是需要用于 MRI 或成像协议的特殊线圈，这些线圈在医学领域并不广泛可用。作为替代方案，全球对获取基于人工智能的 CT 图像的兴趣很高，但其临床疗效尚未得到证实。KIST研究团队证明了人工智能获得的CT图像具有临床实用性。

KIST 研究团队开发了一个三维条件对抗生成网络，该网络从 T1 加权 MRI 图像中学习非线性 CT 变换过程，这是医学领域最常用的图像之一。该团队设计了一个损失函数来最小化 CT 图像的 Hounsfield 单位像素变化误差，并根据 MRI 图像信号的归一化方法，通过比较合成 CT 图像质量的变化来优化神经网络性能，例如 Z -score 归一化和部分线性直方图匹配归一化。

为了安全有效地进行超声治疗，必须提前了解每个患者的颅骨密度比和颅骨厚度，当这些颅骨因素通过合成 CT 获得时，这两个因素与实际 CT 的相关性均 >0.90。没有统计学上的显着差异。此外，模拟超声治疗时，超声焦距误差小于1 mm，颅内峰值声压误差约为3.1%，焦体积相似度约为83%。这表明经颅聚焦超声治疗系统可以仅使用 MRI 图像进行。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！