多参数同步定量磁共振成像：开启精准诊疗新纪元
上海交大魏红江教授深度解析高分辨一体化MRI技术的突破与临床应用前景
中国高端医疗装备正加速迈向自主创新，产学研医协同推进技术突破。作为关键领域之一，磁共振成像（MRI）正从“跟跑”向“领跑”转变。为推动行业前沿交流，联影推出“磁共振物理大师说”系列访谈，聚焦心脏、神经影像、运动校正、多模态融合等方向，汇聚国际顶尖专家观点，构建开放创新生态。
本期《定量磁共振大师说》特邀上海交通大学生物医学工程学院魏红江教授，深入探讨多参数同步定量磁共振成像技术的发展现状与未来趋势。
魏红江教授简介： 哈尔滨工业大学学士、法国里昂大学博士，曾在美国杜克大学与加州大学伯克利分校从事博士后研究，2018年加入上海交通大学。主要研究方向包括MRI快速定量成像、深度学习重建、QSM技术开发等。近五年在《Brain》《Medical Image Analysis》《IEEE Transactions on Medical Imaging》《Neuroimage》等期刊发表SCI论文百余篇，授权专利5项，主持国家自然科学基金重大研究计划、科技部重点研发项目、上海市“探索者”计划等多项科研课题。
观点摘要
传统磁共振检查需多次扫描多个序列，耗时长、易受运动干扰。魏红江教授团队致力于解决这一痛点，聚焦MRI快速、定量、多模态一体化成像，结合深度学习实现高效重建。其开发的3D全脑高分辨多参数同步采集技术，仅需6–8分钟即可完成T1/T2 mapping、QSM、B1相位等多种定量参数获取，显著提升扫描效率与图像精度。依托联影平台支持及医工交叉合作机制，该技术已在癫痫、肿瘤等领域展现重要临床价值，未来有望推动个性化精准诊疗发展。
关于磁共振国家工程中心： 2023年4月，由国家发改委批复组建的磁共振诊疗高端技术国家工程研究中心在上海交通大学正式揭牌。中心聚焦磁共振诊疗一体化装备研发，整合高校、医院与企业资源，打造产学研医用协同创新平台。四大技术攻关方向包括：实时磁共振扫描、磁共振兼容医疗机器人、磁共振导航技术以及新型纳米材料与造影剂开发，重点服务于肿瘤、心血管病和神经退行性疾病诊疗，助力国产高端医疗装备自主可控。
课题组研究方向： 魏红江教授团队专注于磁共振序列设计与图像重建，核心目标是提升成像速度、抑制运动伪影。通过高倍降采样结合人工智能算法，团队实现了多模态定量成像的快速重建，在临床可接受时间内同步输出T1/T2/T2*/QSM等定量图谱，为疾病早期识别与精准评估提供技术支持。
2023年四月磁共振诊疗高端技术国家工程研究中心在上海交通大学揭牌
多模态一体化成像进展： 团队研发的新序列可在6–8分钟内完成全脑扫描，同步获取T1WI、T2WI、T1/T2 mapping、QSM及B1相位信息，各对比度图像实现像素级对齐。结合建模与聚类分析，挖掘亚体素级别定量特征，已在癫痫与脑肿瘤研究中取得初步成果，相关论文正在审稿中，预计明年发表并推进临床转化。
魏红江教授课题组合影
技术构思与挑战： 技术融合指纹成像（MRF）与EPTI优势，采用3D GRE序列实现高分辨成像。针对读出速度慢的问题，引入多维度稀疏下采样以大幅减少数据量，并基于图像域及其他域的稀疏性与连续性，实现k-space数据的高精度重建，攻克了高倍加速下的伪影抑制难题。
单序列引导的3D多定量参数同步成像示意图
临床应用价值： 在癫痫研究中，联合瑞金医院卢湾分院开展数百例数据采集，利用T1/T2 mapping与亚体素QSM技术显著提高皮质发育不良等隐匿性病灶的检出率。发现病灶区铁沉积不仅局限于灰质，还延伸至浅层白质，为个性化手术方案及去铁治疗、电磁刺激等非侵入干预提供新思路。在肿瘤研究方面，正与华山医院合作，探索多参数定量对肿瘤边界与成分的精确刻画。
多参数同步定量在鉴别白质病变相关疾病的定量效能显著提升
QSM技术前景与瓶颈： QSM在帕金森病早期黑质燕尾征消失检测、多发硬化分型（铁沉积 vs 脱髓鞘）、脑出血与钙化鉴别等方面具有重要潜力。当前主要瓶颈在于空间分辨率限制（毫米级），难以区分微观结构；临床端自动化重建尚未普及，仅联影平台支持在线出图；此外，重建稳定性、颅骨掩膜处理、背景场去除等流程缺乏统一标准，影响定量一致性。
亚体素QSM技术优势： 传统QSM未考虑髓鞘逆磁性对铁定量的干扰。亚体素QSM可分离体素内顺磁性（铁）与逆磁性（髓鞘/钙化）成分，显著提升铁含量测量准确性。该技术可用于多发硬化亚型分类，指导个体化治疗。同时，团队正探索其在阿尔兹海默症中关联Aβ蛋白、帕金森病中关联α突触核蛋白的可能性。
亚体素QSM精准定量原理示意图
隐式神经表达重建方法： 源于计算机视觉的隐式神经表达技术，可自然约束信号连续性，有效抑制稀疏采样下的噪声与伪影。该方法无需大规模训练数据，基于单样本优化实现高质量重建，理论精度更高。目前单切片重建约需1秒，具备良好加速潜力，后续需工程优化以满足实时临床需求。
基于隐式神经表达的无监督影像重建示意图
未来展望： 多模态一体化成像将向“单像素集成采集—编码—重建—分析”发展，突破现有分辨率限制，在介观尺度实现更精细定量。除神经科学外，该技术在体部（脂肪定量、T1/T2 mapping）与肌骨系统（软骨早期病变评估）亦具广泛应用前景。随着国内医工交叉平台日益成熟，以临床需求为导向的深度融合将持续推动序列优化、算法迭代与技术落地，赋能精准医疗新时代。
参考文献：
[1] Feng J, et al. Spatialtemporal Implicit Neural Representation for unsupervised dynamic MRI reconstruction. IEEE Trans Med Imaging. 2025.
[2] Chen L, et al. COLLATOR: Consistent Spatial-Temporal Longitudinal Atlas Construction via Implicit Neural Representation. Medical Image Analysis. 2024.
[3] Chu J, et al. Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models. Medical Image Analysis. 2024.
[4] Yao J, et al. Distinct regional vulnerability to Aβ and iron accumulation in postmortem AD brains. Alzheimer’s & Dementia. 2024.
[5] Feng R, et al. IMJENSE: Scan-specific Implicit Representation for Joint Coil Sensitivity and Image Estimation in Parallel MRI. IEEE Trans Med Imaging. 2024,43(4):1539–1553.
[6] Zhang M, et al. A subject-specific unsupervised deep learning method for quantitative susceptibility mapping using implicit neural representation. Medical Image Analysis, 2024, 95:103173.
[7] Li Z, et al. APART-QSM: An improved sub-voxel quantitative susceptibility mapping for susceptibility source separation using an iterative data fitting method. Neuroimage. 2023;274:120148.
[8] Lao G, et al. Sub-voxel quantitative susceptibility mapping for assessing whole-brain magnetic susceptibility from ages 4 to 80. Hum Brain Mapp. 2023;44(17):5953–5971.
