低场 MRI 中的成像：充分利用机器学习的力量

最近的磁共振成像 (MRI) 硬件和软件创新重新点燃了对低场 ($<1\,\mathrm{T}$) 和超低场 MRI ($<0.1\,\mathrm{T}$) 的兴趣。这些技术具有更低的能耗、较低的比特吸收率、较小的场不均匀性以及经济实惠的优势，为资源受限和临床点-of-care 场景提供了有前景的替代方案。然而，低场 MRI 面临信号信噪比降低的内在挑战，从而可能导致空间分辨率下降或扫描时间延长。本章节聚焦低场和超低场 MRI 的挑战与机遇，特别强调机器学习 (ML) 在克服这些限制中的作用。我们提供了深度神经网络概述及其在提升低场和超低场 MRI 性能中的应用。讨论了包括先进图像重建、去噪和超分辨率算法在内的具体 ML 解决方案。本章节最后探讨了将 ML 与低场 MRI 集成如何拓展其临床应用，提升可及性，可能彻底变革其在多样化医疗场景中的使用方式。