采用深度學(xué)習(xí)方法重建個體大腦缺損的血氧水平依賴信號取得突破性進(jìn)展

功能磁共振成像是一種高級磁共振成像技術(shù)，通過血氧信號探測大腦功能活動的常用方法，無創(chuàng)而且空間精度高，在腦科學(xué)研究和腦疾病診療中具有廣泛應(yīng)用。然而，功能磁共振采集到的大腦活動信號常常會受到磁化率偽影、金屬植入物的干擾，造成局部的信號扭曲甚至缺損。在神經(jīng)外科臨床診療中，難治性癲癇患者為了進(jìn)行手術(shù)規(guī)劃而植入的顱內(nèi)電極、帕金森患者為了緩解震顫而植入的深部腦刺激器，這些植入物及其導(dǎo)線和連接器，都會對功能磁共振信號產(chǎn)生干擾，嚴(yán)重妨礙了通過功能，并可能導(dǎo)致誤讀患者的研究結(jié)果。

為了解決這一問題，河南省人民醫(yī)院王梅云教授團(tuán)隊與清華大學(xué)醫(yī)學(xué)院洪波教授團(tuán)隊、航天航空學(xué)院李路明教授團(tuán)隊及哈佛大學(xué)醫(yī)學(xué)院劉河生教授等團(tuán)隊合作，采用生成對抗網(wǎng)絡(luò)(generative adversarial networks，GAN)模型，對臨床上部分信號缺損的靜息態(tài)功能磁共振信號實現(xiàn)準(zhǔn)確修復(fù)。生成對抗網(wǎng)絡(luò)是一種深度學(xué)習(xí)框架，由一組生成器和分類器組成，在圖像人工智能處理領(lǐng)域具有廣泛應(yīng)用。在合作中，團(tuán)隊采用深度卷積生成式對抗網(wǎng)絡(luò)模型，通過對生成器進(jìn)行正常樣本的對抗訓(xùn)練，使其學(xué)習(xí)到正常樣本各個腦區(qū)共同激活的統(tǒng)計分布，從而可以基于其中一部分腦區(qū)的激活信號，對另外一部分腦區(qū)缺損的功能磁共振信號進(jìn)行預(yù)測。

該方法在信號序列波動一致性、功能網(wǎng)絡(luò)連接圖譜相似性、以及個體大腦功能網(wǎng)絡(luò)特異性等方面，都達(dá)到了良好的性能指標(biāo)。植入磁共振兼容腦起搏器的帕金森患者，腦功能圖像通過該方法實現(xiàn)了準(zhǔn)確修復(fù)。該方法對于臨床診療和腦科學(xué)科研中因信號采集和電極干擾等問題導(dǎo)致的功能磁共振信號的缺損，提供了一種新穎有效的解決方案。

這項成果在2020年10月7日以“Reconstructing lost BOLD signal in individual participants using deep machine learning”(采用深度學(xué)習(xí)方法重建個體大腦缺損的血氧水平依賴信號)為題在線發(fā)表于《自然·通訊》（Nature Communications）上。

據(jù)悉，該研究得到了國家自然科學(xué)基金、科技部重點研發(fā)計劃等支持。