近日，电子科学与技术学院/福建省等离子体与磁共振重点实验室屈小波教授团队在医学图像顶级期刊《IEEE Transactions on Medical Imaging》上发表论文“One-dimensional Deep Low-rank and Sparse Network for Accelerated MRI” (Zi Wang, Chen Qian, Di Guo, Hongwei Sun, Rushuai Li, Bo Zhao, Xiaobo Qu*, IEEE Transactions on Medical Imaging, DOI: 10.1109/TMI.2022.3203312, 2022）。该工作提出了一种基于一维可分低秩与稀疏学习的智能图像重建方法，可以大幅降低深度学习对训练样本的需求，实现多种训练与目标不匹配场景下（解剖方向、对比度、解剖部位）的毫秒级超快速鲁棒重建。

磁共振成像是临床诊断的重要工具，但数据采集时间较长。近年来，深度学习凭借高质量的信号恢复、超快速的重建速度已经在快速成像领域展现出惊人的性能，但仍然受到训练样本缺乏和鲁棒性不足等的限制。因此，设计深度学习算法，实现小样本训练和鲁棒成像，是该工作的主要出发点。

图 可分离的一维深度低秩与稀疏学习

根据磁共振采样模式，该工作提出了一种全新的可分离的一维学习方案，可实现超两个数量级的样本扩增，使深度神经网络更容易训练和泛化。进一步地，利用多线圈数据的低秩性和图像变换域的稀疏性，提出了网络参数少、内存高效的一维深度低秩稀疏网络。在多个实测商用多通道膝关节和大脑数据表明，该方法最少仅需4例训练数据，即可实现良好的图像伪影抑制和细节保留，并可在多种训练与目标不匹配场景（解剖方向、对比度、解剖部位）实现鲁棒重建。此外，该方法还适用不同的欠采样模板，并扩展实现各项同性三维成像8倍快速采集和单层毫秒级超快速重建，也为其他高维智能成像提供了一种高效的解决策略。

该项工作在屈小波教授指导下完成，其博士生王孜为第一作者。实验室硕士生钱晨、厦门理工学院郭迪教授、联影智能影像技术研究院孙鸿伟博士、南京市第一医院李如帅医生，美国德克萨斯大学奥斯汀分校Bo Zhao教授合作完成。屈小波教授担任通讯作者，其领导的计算感知实验室（http://csrc.xmu.edu.cn）主要从事计算磁共振、医学影像、人工智能、最优化和云计算等研究方向，受到国家优青等重要科研人才项目支持。

这项工作得到国家自然科学基金（62122064、61971361和61871341）、福建省自然科学基金（2021J011184）、厦门大学校长基金（0621ZK1035）和厦门大学南强拔尖人才计划的资助。

值得一提的是王孜在读博期间秉承服务健康中国、突破行业瓶颈、完成高水平科研的精神，已在计算磁共振领域以第一作者发表IEEE Trans. 顶刊论文1篇（论文链接：http://dx.doi.org/10.1109/TNNLS.2022.3144580），合作4篇权威期刊论文。

论文链接: http://dx.doi.org/10.1109/TMI.2022.3203312

计算感知实验室：http://csrc.xmu.edu.cn

福建省等离子体与磁共振研究重点实验室: http://pmr.xmu.edu.cn/

（电子科学与技术学院投稿）