在人工智能和医学的交叉领域，人们越来越有兴趣使用机器学习来增强磁共振成像 (MRI) 技术捕获的图像数据。最近的研究表明，7 (7T) 超高场 MRI 在描绘解剖结构方面可能比 3T 高场 MRI 具有更高的分辨率和临床优势，而解剖结构对于识别和监测病理组织(尤其是大脑中的病理组织)至关重要。

美国大多数临床 MRI 检查都是使用 1.5T 或 3T MRI 系统进行的。截至 2022 年，美国国立卫生研究院记录到，全球只有约 100 台 7T MRI 机器用于诊断成像。

加州大学旧金山分校的研究人员开发了一种机器学习算法，通过合成与真实 7T MRI 相近的 7T 图像来增强 3T MRI。他们的模型可以更逼真地增强病理组织，从而提供临床见解，并代表着向评估合成 7T MRI 模型的临床应用迈出了新的一步。

该研究于 10 月 7 日在第 27 届国际医学图像计算和计算机辅助干预会议(MICCAI) 上发表。

“我们的论文介绍了一种机器学习模型，可以从低质量图像合成高质量的 MRI。我们展示了这种人工智能系统如何改善创伤性脑损伤中 MRI 捕捉到的脑异常的可视化和识别，”资深研究作者、加州大学旧金山分校神经病学助理教授 Reza Abbasi-Asl 博士说。

“我们的研究结果凸显了人工智能和机器学习在改善不太先进的成像系统捕获的医学图像质量方面的前景。”