日前，医院（医院）王梅云团队与清华大学医学院洪波团队、航天航空学院李路明团队，哈佛大学医学院Martinos影像中心刘河生团队合作，采用深度学习方法解决功能磁共振缺损信号修复难题，研究成果以题为《采用深度学习方法重建个体大脑缺损的血氧水平依赖信号》（ReconstructinglostBOLDsignalinindividualparticipantsusingdeepmachinelearning）的论文发表在国际顶级期刊《自然通讯》（NatureCommunications）上。王梅云教授为本论文的共同通讯作者，医院博士后路易莎·达马尼（LouisaDahmani）为论文的共同第一作者。该研究得到了国家自然科学基金委、科技部重点研发计划等支持。

功能磁共振成像是一种高级磁共振成像技术，通过血氧信号探测大脑功能活动的常用方法，无创而且空间精度高，在脑科学研究和脑疾病诊疗中具有广泛应用。然而，功能磁共振采集到的大脑活动信号常常会受到磁化率伪影、金属植入物的干扰，造成局部的信号扭曲甚至缺损。

在神经外科临床诊疗中，难治性癫痫患者为了进行手术规划而植入的颅内电极、帕金森病人为了缓解震颤而植入的深部脑刺激器，这些植入物及其导线和连接器，都会对功能磁共振信号产生干扰，严重妨碍了通过功能，并可能导致误读病人的研究结果。

为了解决这一问题，联合研究团队采用生成对抗网络(Generativeadversarialnetworks，GAN)模型，对临床上部分信号缺损的静息态功能磁共振信号实现准确修复。生成对抗网络是一种深度学习框架，由一组生成器和分类器组成，在图像人工智能处理领域具有广泛应用。在合作中，团队采用深度卷积生成式对抗网络模型，通过对生成器进行正常样本的对抗训练，使其学习到正常样本各个脑区共同激活的统计分布，从而可以基于其中一部分脑区的激活信号，对另外一部分脑区缺损的功能磁共振信号进行预测。

这种基于生成式深度学习模型的受损功能磁共振图像修复技术，巧妙解决了现有磁共振预处理方法无法处理信号缺损脑功能图像的难题。该方法不仅可以修补大脑皮层网络的连接图谱，还可以实现信号缺损脑区功能磁共振激活时间序列的单帧重建，实现了对大脑激活磁共振信号在时间和空间上的完整重建。

该方法在信号序列波动一致性、功能网络连接图谱相似性、以及个体大脑功能网络特异性等方面，都达到了良好的性能指标。植入磁共振兼容脑起搏器的帕金森患者，脑功能图像通过该方法实现了准确修复。该方法对于临床诊疗和脑科学科研中因信号采集和电极干扰等问题导致的功能磁共振信号的缺损，提供了一种新颖有效的解决方案。

王梅云教授简介

王梅云，美国哈佛大学医学院博士后，美国约翰霍普金斯医学院访问教授，主任医师、教授、博士生导师。医院（医院）医学影像科主任，河南省医学影像中心主任，河南省神经疾病影像诊断与研究重点实验室主任。

擅长全身各系统疾病的影像诊断，尤其是中枢神经系统疾病的影像诊断，并在国内首个开展了帕金森病震颤的磁波刀治疗。任国际华人医学磁共振学会（OCSMRM）主席，国内首位国际医学磁共振学会理事会理事，国内首位国际神经血管疾病学会（ISNVD）侯任主席，国内首位国际磁共振学会认证讲师，国际医学磁共振学会精神成像学组侯任主席。

主编《医学影像专业英语教程》《新冠肺炎中文诊断图谱》《ImagingAtlasofCOVID-19》，参编研究生统编教材等专著8部，并在国内首个更正了教科书里第五脑室的概念错误。

在国际顶级期刊发表论文70余篇，被引用余次。

来源：郑州大学医学院医院编辑：余美辰侯梦佳邓茜雅审校：杜红婧申晴