与 X 射线或 CT 扫描等其他成像方式相比，MRI 扫描可提供高质量的软组织对比度。不幸的是，MRI 对运动高度敏感，即使是最小的运动也会导致图像伪影。当医生模糊了关键细节时，这些伪影会使患者面临误诊或不适当治疗的风险。但麻省理工学院的研究人员可能已经开发出一种能够在大脑 MRI 中进行运动校正的深度学习模型。

“运动是 MRI 中的一个常见问题，”隶属于安利捷健康机器学习诊所 (Jameel Clinic) 的博士 Nalini Singh 解释道。哈佛-麻省理工学院健康科学与技术 (HST) 项目的学生，也是该论文的主要作者。“这是一种相当慢的成像方式。”

MRI 疗程可能需要几分钟到一个小时，具体取决于所需图像的类型。即使在最短的扫描过程中，微小的移动也会对生成的图像产生巨大的影响。与运动通常表现为局部模糊的相机成像不同，MRI 中的运动通常会产生可能破坏整个图像的伪影。患者可能会被麻醉或被要求限制深呼吸，以尽量减少运动。

然而，对于特别容易运动的人群，包括儿童和患有精神疾病的患者，通常无法采取这些措施。

这篇论文可在arXiv预印本服务器上获取，题为“数据一致的深度刚性 MRI 运动校正”，最近在田纳西州纳什维尔举行的深度学习医学成像会议 (MIDL) 上荣获最佳口头报告奖。该方法通过计算从运动损坏的数据构建无运动图像，而不改变扫描过程的任何内容。“我们的目标是将基于物理的建模和深度学习结合起来结合起来，以获得两全其美的效果，”辛格说。

这种组合方法的重要性在于确保图像输出与所描绘内容的实际测量之间的一致性，否则模型会产生“幻觉”——图像看起来很真实，但在物理和空间上不准确，可能会导致结果恶化来诊断。