近日，記者從中國科學技術大學獲悉，該校杜江峰院士領銜的中科院微觀磁共振重點實驗室劉東研究員等，提出了一種無需訓練的深度電阻抗圖像重建方法，為電阻抗成像技術在病變組織特異性判斷中的應用開辟了新道路。相關研究成果近日發表于國際權威學術期刊《IEEE模式分析與機器智能匯刊》。

用于電阻抗圖像重建的深度先驗模型架構

獲得“低損傷、高分辨、動態實時”的功能圖像始終是醫學影像技術研究的核心目標之一。醫學電阻抗成像技術因無創、無損、無輻射等核心優勢而備受關注，特別是其在新冠病毒導致的急性呼吸窘迫綜合征患者的治療中發揮了重要作用。由于人體不同組織和器官的電特性不同，這種電特性圖像不僅包含了豐富的解剖學信息，而且能夠反映出組織和器官電特性相應的生理、病理狀態和功能信息，在研究人體組織與器官功能變化和疾病診斷方面有重要的臨床價值。然而，實現高質量的圖像重建是電阻抗成像技術領域的巨大挑戰。另一方面，獲取功能醫學影像大數據在臨床上極其困難，因此亟需開發無需訓練的圖像重建方法。

研究團隊利用深度學習技術在圖像重建、圖像去噪及計算機視覺等領域進行了廣泛的先驗信息提取方法的探索性研究。近期，研究團隊將深度圖像先驗技術與電阻抗成像技術相結合，首次實現了一種無需訓練的高質量電阻抗圖像重建方法。研究表明，該方法不僅可以通過單一網絡模型解決多個圖像重建任務，還具備極強的泛化能力，而且不用大數據訓練就能獲得性能優越的深度神經網絡方法用于重建電阻抗圖像，在應用上具備輕量化潛力。

研究人員認為，該研究工作構建并成功實現了電阻抗圖像重建新范式，為電阻抗成像技術在腦損傷、中風、肺氣腫、乳腺癌等疾病診斷應用領域提供了重要的理論支撐，對發展深度功能醫學影像技術具有重要價值。

審核編輯：劉清