磁共振灌注成像的原理及其在脑肿瘤诊断与分级中的应用

脑神经胶质瘤是最常见的颅内肿瘤，WHO将其分为低级别（Ⅰ、Ⅱ级）和高级别（Ⅲ、Ⅳ级）胶质瘤。高级别胶质瘤术后需要进行放疗与化疗，而低级别则不需要，因此对胶质瘤进行正确的病理学分级对于治疗方式的选择以及预后评估非常关键。常规MRI能提供肿瘤边界、占位效应等病理信息，但这些征象对胶质瘤的分级和良恶性鉴别缺乏特异性。因此，常规MRI在脑肿瘤的诊断与分级上存在局限性而磁共振灌注成像（PWI）可以检测皿流动力学，无创获得血流量、血容量、血管通透性等参数，这些参数已证实与脑肿瘤的诊断与分级密切相关。

定量磁共振图像的深度学习重建方法进展

磁共振成像是一种应用广泛的无创医学成像方法,因其丰富的软组织对比度可以成像人体几乎所有内部结构,包括器官、骨骼、肌肉和血管,已成为临床医学影像诊断的利器。然而磁共振成像存在两大公认的瓶颈:成像速度慢、扫描操作烦琐。深度学习给磁共振成像带来莫大的契机,给传统磁共振加速成像带来新的可能。鉴于该领域的快速发展性质,本文旨在总结文献中报道的大量深度学习和磁共振图像重建相结合的方法,以更好地了解该领域。本文简单介绍磁共振成像在多通道线圈接收的并行加速和压缩感知加速下的深度学习重建方法,其中单对比度图像可通过多通道接收线圈提供的冗余度用于加速,多对比度图像可额外使用不同对比度图像这一维度用于加速,动态图像与多对比度图像类似可额外使用时间维度用于加速,本文也将介绍深度学习在这些方面的发展。随着磁共振成像近年来由定性多对比度成像向定量多参数成像的发展,其中定量成像的图像中可内含多对比度图像,如何借用深度学习提供的能力将定性多对比度图像映射到参数图也是一个难点,近年来这一方向也获得了较快的发展,文中也将针对这方面内容进行调研并介绍。针对上述内容,分别介绍国际研究现状和国内研究现状,拟更好地总结国内外研究的发展的异同和趋势。最后对深度学习助力定量磁共振成像方面进行了展望。