近日，长江大学物理与光电工程学院与中国科学院精密测量科学与技术创新研究院合作，在医学物理领域核磁共振成像（MRI）方向上取得重要研究进展，相关成果以“Magnetic Resonance Image Denoising for Rician Noise Using a Novel Hybrid Transformer-CNN Network (HTC-net) and Self-supervised Pre-training”为题发表在国际医学物理领域的顶级期刊Medical Physics上。我院教师王成为论文共同第一作者，长江大学为论文合作单位。相关工作得到了国家自然科学基金、中国博士后科学基金、湖北省自然科学基金等的支持。
核磁共振的成像质量受噪声影响，传统物理改进方法（如提高主磁场强度）在提升信噪比方面存在上限，且成本高昂。为解决这一挑战，该研究基于核磁共振成像的物理原理，结合人工智能最新Transformer技术，设计了一种快速准确的新型核磁共振去噪方法。该方法在性能上超越目前已有方法，在大数据集（5000组图像）上测试结果表明，信噪比可提升0.3-0.927dB，对提高核磁共振成像质量具有重要意义。该工作被Medical Physics两位主编分别评价为：“The manuscript provides a novel method to denoise noise in MRI, which is of interest to the readers of Medical Physics”及“Nice work”。
Medical Physics是世界医学物理学领域的权威顶级期刊，创刊于1974年，是美国医学物理学家协会（AAPM）会刊，也是加拿大医学物理组织和加拿大医学物理师学院的官方科学期刊。该期刊旨在发表与医学物理学的原理和方法有关的高影响力与高创新性研究，从而提升临床质量，促进人类健康。
医学物理学是一门新兴交叉学科，其将物理学的原理和方法应用于人类疾病预防、诊断、治疗和保健。该学科以放射物理、医学成像、放射治疗、核医学以及其他非电离辐射如超声、微波、射频、激光等在医学中的应用，及其应用过程中的质量保证、质量控制，和辐射防护与安全等为主要内容。
论文链接：http://doi.org/10.1002/mp.17562
