(资料图)

本报讯（特约记者 郝金刚）我国学者基于人工智能深度学习技术，实现把常规磁共振图像直接生成脑灌注图像，并在临床多个应用场景中展现出重要价值。该技术可以有效降低患者就医成本，为人工智能赋能脑肿瘤精准诊疗提供新的技术工具。

  该研究由山东第一医科大学附属省立医院神经外科刘英超教授团队，联合西北工业大学计算机学院夏勇教授团队共同完成。相关研究论文近日在线发表在国际杂志《放射学》上。

  据介绍，脑灌注技术在脑肿瘤的精准诊疗以及预后评估中扮演着重要的角色。尽管临床指南已经将脑灌注技术作为脑肿瘤评估的推荐技术，但目前临床上尚没有将其作为常规项目开展。因此，当临床医生需要脑灌注进行评估时，往往需要加做该项检查，这就大大增加了患者的诊疗时间和费用成本。此外，脑灌注图像容易受外部因素（如植入物、金属、放射粒子等）干扰，时常会发生图像扫描不合格的情况。常规脑灌注技术的后处理也需要较多人工干预，图像的标准化面临很多困难。

  刘英超团队通过采用Bookend脑灌注技术，创造性地解决了灌注图像标准化的难题。夏勇团队在前期图像合成工作积累的基础上优化了3D生成对抗网络，为跨模态图像的合成提供了强大支持。两个团队利用Bookend脑灌注数据训练3D生成对抗网络，最终实现了常规磁共振图像直接生成脑灌注图像，同时也验证了合成图像在肿瘤分级、预后预测及鉴别诊断中的增益价值，多中心数据也证实了该技术在临床应用中的稳定性和有效性。

  该研究得到了国家自然科学基金、山东省泰山学者工程、山东省自然科学基金以及中国博士后基金的共同资助。