| 时间：2026/04/17 作者：刘春毅 | ||||
| 磁粒子成像（MPI）在高灵敏度分子影像领域展现出重要应用潜力，但在无场线（FFL）扫描模式下，受磁场非均匀性及投影重建方法限制，图像中常伴随明显伪影与分辨率下降，严重制约其成像质量与实际应用。近日，由研究组顾宁教授团队在《IEEE Transactions on Instrumentation and Measurement》上发表了题为“PARNet: A High-Quality Reconstruction Algorithm for Single-Harmonic Projection Magnetic Particle Imaging”的论文。提出了一种基于深度学习的高质量重建方法-渐进式伪影去除网络（PARNet），实现了从低质量投影重建结果到高精度浓度分布图像的有效映射，为FFL-MPI成像质量提升提供了新的解决思路。 | ||||
| 文章围绕“伪影抑制、细节保留与高效重建”三大核心目标展开研究，提出将复杂的重建问题分解为多阶段渐进优化过程。通过构建多阶段伪影去除模块（SARM），模型能够逐步提取并消除不同层级的伪影特征。同时，引入空间-通道联合注意力机制，实现对结构信息与浓度分布的协同建模，有效提升图像细节恢复能力。结果表明，该方法在复杂结构及非均匀浓度分布场景下均表现出优异的重建性能。 | ||||
| 在数据层面，研究构建了一个基于物理建模的MPI仿真平台，系统模拟磁场分布、粒子磁化响应及信号生成过程，建立大规模高保真训练数据集，有效缓解了传统系统矩阵标定耗时、实验数据不足等问题。同时团队自主搭建了基于FFL的投影式MPI系统平台。该仿真-实验一致性设计为深度学习模型的训练与泛化提供了可靠支撑。 | ||||
| 实验结果表明，与传统反投影及反卷积方法相比，所提出的PARNet显著降低了图像伪影并提升了空间分辨率；相较于主流深度学习方法，在PSNR、SSIM及NRMSE等指标上均取得最优表现。尤其在边缘细节恢复和高梯度区域重建方面，模型表现出更强的稳定性与准确性。同时，模型在真实实验数据上的测试结果显示，其在未经过再训练的情况下仍能保持良好的重建效果，体现出较强的跨域泛化能力。 | ||||
| 综上，该研究针对FFL-MPI成像中的伪影与分辨率问题提供了一种高效且具有推广潜力的解决方案，对提升磁粒子成像的工程实用性与临床转化价值具有重要意义。 | ||||
| 文章信息：Keyi Tang, Wei Zhao, Jianghao Zhao, Shufeng Zhou, Hongping Gan, Yang Gao, Shouhua Luo, Guohui Ruan, Shanshan Shan*, Chunyi Liu*, Ning Gu. PARNet: A High-Quality Reconstruction Algorithm for Single-Harmonic Projection Magnetic Particle Imaging. vol. 75, pp. 1-14, 2026, Art no. 4501814 , https://ieeexplore.ieee.org/abstract/document/11387010/authors#authors. | ||||
图 1. 本研究的框架图 |
||||
图 2. （a）仪器结构示意图；（b）自主研发的基于投影的MPI扫描仪。 |
||||
