基于仿真的推断方法在理论极限下实现了快速、稳健的微观结构磁共振成像（MRI），且仅需最少的扩散数据

《Communications Medicine》：Simulation-based inference at the theoretical limit for fast, robust microstructural MRI with minimal diffusion data

　　

摘要

背景

扩散加权磁共振成像是一种无创的探测脑组织微观结构的方法，在神经科学和临床研究中得到广泛应用。然而，为了获取可靠的微观结构图像，通常需要较长的扫描时间，因为需要对大量的参数空间进行测量。这限制了该技术在临床应用中的可行性和普及程度。本研究的目的是探讨基于仿真的推断方法是否能够在保持估计精度的前提下，减少所需的扩散数据量。

方法

我们采用基于仿真的推断方法，利用神经后验估计直接从测量信号中推断扩散参数。该方法在扩散张量成像、扩散峰度成像以及轴突密度和大小的生物物理模型上进行了验证。模型完全基于模拟数据进行训练，并通过模拟数据集以及健康和病理个体的实验脑数据进行了评估。其性能与在噪声较大且采样稀疏条件下的标准非线性最小二乘拟合方法进行了对比。

结果

实验表明，基于仿真的推断方法使用的测量次数比传统方法减少了多达90%，并且在数据噪声较大或采样有限的情况下仍能保持优异的性能，同时在不同模型、采样方案以及健康和病理脑数据中均表现出良好的稳定性。

结论

本研究证明，基于仿真的推断方法能够实现快速且可靠的微观结构成像，显著缩短了扫描时间。该方法支持保护隐私的工作流程，有助于扩大扩散磁共振成像的应用范围（例如针对儿科患者等时间敏感群体），支持更先进的微观结构分析技术，并能够提升质量不佳的旧数据的利用价值。