磁共振指纹成像（Magnetic Resonance Fingerprinting, MRF）通过单次扫描即可实现多种组织参数的联合定量，是近年来定量磁共振成像（Magnetic Resonance Imaging, MRI）领域的重要进展。然而，为满足快速成像需求，MRF通常在k空间采用极端欠采样策略，这不可避免地引入严重的空间混叠伪影，使定量参数反演变成高度不适定的逆问题，成为制约MRF定量精度与成像效率进一步提升的核心瓶颈。

针对这一关键挑战，中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室王海峰研究员与哈尔滨工业大学胡悦教授团队合作，提出了一种物理约束的隐式神经表示磁共振指纹成像新范式（Physics-informed Implicit neural MRF，πMRF）。不同于将混叠伪影看作噪声并加以抑制的传统思路，该工作从物理与建模层面重新审视极端欠采样下的信号形成机制，提出混叠伪影本质上是由采样方式引入、蕴含空间信息的编码结果，并可被转化为辅助重建的有效线索（如图1所示）。相关成果以"Rapid Spatio-temporal MR Fingerprinting Using Physics-Informed Implicit Neural Representation"为题，发表在医学影像分析领域TOP期刊Medical Image Analysis（JCR: Q1, IF: 11.8）上。

在图2所示的具体实现中，πMRF采用隐式神经表示，将空间坐标直接映射为T1、T2和质子密度（PD）等连续参数分布，从而避免了传统字典匹配方法中离散建模所带来的不连续性与量化误差。同时，该框架将欠采样MRF信号演化的物理模型显式嵌入优化过程，仅依赖物理一致性约束即可完成无监督的端到端参数估计，在不依赖大规模标注数据的前提下实现稳定的多参数定量成像。

在数字仿真、水模仿体以及在体人脑实验中，πMRF在极端欠采样条件下均表现出更高的定量准确性与空间一致性，能够稳定恢复T1、T2和PD参数分布，并在组织边界及病灶区域保持更可靠的细节表达，整体性能显著优于现有对比方法。上述结果表明，该研究有效缓解了 MRF 在极端欠采样条件下面临的不适定逆问题，展示了“物理模型与连续神经表示深度融合”在复杂医学成像反演任务中的应用潜力。

中国科学院深圳先进技术研究院王海峰研究员、哈尔滨工业大学胡悦教授为论文共同通讯作者，中国科学院深圳先进技术研究院与哈尔滨工业大学联合培养博士生巩超光为论文第一作者。该研究获得国家重点研发计划、国家自然科学基金、中国科学院相关科研计划，以及广东省、黑龙江省、云南省、深圳市等省市科研项目的支持。

图1：极端欠采样下MRF混叠伪影的两种认知方式：从“噪声抑制”到“空间编码”

图2：πMRF框架示意图：物理约束驱动的隐式神经表示MRF全局反演模型

图3：数字仿真实验结果

图4：水模仿体实验结果

图5：在体人脑实验结果

原文链接