由中國科學院院士、中國科學技術大學教授杜江峰領銜的中科院微觀磁共振重點實驗室，在深度功能醫學電阻抗成像技術上取得重要進展。該實驗室研究員劉東(dong) 等提出了一種無須訓練的深度電阻抗圖像重建方法，為(wei) 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(guan) 研究成果近日發表於(yu) 《IEEE模式分析與(yu) 機器智能匯刊》。

　　電阻抗成像技術是指利用生物組織與(yu) 器官的電特性及其變化規律提取與(yu) 人體(ti) 生理、病理狀態相關(guan) 的生物醫學信息的成像技術。由於(yu) 人體(ti) 不同組織和器官的電特性不同，這種電特性圖像不僅(jin) 包含了豐(feng) 富的解剖學信息，還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(ti) 組織與(yu) 器官功能變化和疾病診斷方麵有重要的臨(lin) 床價(jia) 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。

　　隨著人工智能的快速發展，基於(yu) 大數據及深度學習(xi) 的圖像重建方法受到廣泛關(guan) 注，其重建結果及效率優(you) 於(yu) 傳(chuan) 統重建方法。然而，獲取功能醫學影像大數據在臨(lin) 床上極其困難，因此亟須開發無須訓練的圖像重建方法。

　　近年來，研究團隊利用深度學習(xi) 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。這類方法利用深度模型特征的提取能力，從(cong) 已有數據中提取圖像特征，用於(yu) 構建深度圖像先驗，進而賦能模型優(you) 化。近期，研究團隊將深度圖像先驗技術與(yu) 電阻抗成像技術相結合，首次實現了一種無須訓練的高質量電阻抗圖像重建方法。研究表明，該方法不僅(jin) 可以通過單一網絡模型完成多個(ge) 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(you) 越的深度神經網絡方法用於(yu) 重建電阻抗圖像，在應用上具備輕量化潛力。

　　研究人員認為(wei) ，該研究工作構建並成功實現了電阻抗圖像重建新範式，為(wei) 電阻抗成像技術在腦損傷(shang) 、中風、肺氣腫、乳腺癌等疾病診斷領域的應用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(jia) 值。（王敏）