10投10中！福晴医疗在IEEE EMBC 2025征稿活动中再获佳绩

新闻动态

发布时间：

2025-06-11

近日，国际生物医学工程领域会议IEEE EMBC 2025（国际生物医学工程大会）公布了征稿结果。福晴医疗凭借其在医学影像技术领域的深厚积累，10投10中，其中包括8篇Full Contributed Paper和2篇Research Abstract，录用率达100%，创下历史新高。

此次入选的10篇成果主要聚焦磁共振成像（MRI）核心技术的优化与革新，展现了国产高端医学影像设备在技术自主化与临床精准化上的重大突破。

下面将针对其中部分研究成果进行简要介绍：

区域优化虚拟线圈技术改进

摘要：《Improved Region-Optimized Virtual Coils Using Relationships Between Subspaces》

最近，区域优化虚拟线圈（ROVir）方法被提出用来抑制不感兴趣区域(“interference”) 同时保留感兴趣区域 (“signal”)的信号。但是，ROVir的一个局限性是其性能高度依赖于ROI和干扰区域的信号特性以及接收器阵列的几何形状和线圈数量。因此，我们利用了k空间数据之间的线性相关性来改善了ROVir方法的局限性。通过相应的低秩矩阵的行空间之间的关系，减弱不同区域数据间的相关性，提升ROI区域和干扰区域信号的分离能力。我们使用1.5T扫描仪获取的数据，效果优于传统ROVir方法。

一种用于低场超导型MRI的改进无源匀场方法

摘要：《An improved passive shimming method for low-field superconducting MRI》

在磁共振成像（MRI）中，无论是低场还是高场MRI设备，磁场的均匀性对于获得高质量的图像至关重要。本文对现有的无源匀场方法进行了改进，将匀场过程分为粗匀和细匀场两个阶段。在细匀过程中，我们分析并矫正了低场强下传统无源匀场方法可能存在的误差，并出了一种基于最小调整匀场片数量的无源匀场方法。最后，我们在公司自研的0.55T低场MRI系统上实践了改进的无源匀场方法，将45cmDSV范围内的磁场不均匀性降低至8.3ppm。

使用局部低秩去噪改进0.53T的大脑QSM

摘要：《Improved brain QSM at 0.53T using locally low-rank denoising》

定量磁化率成像（Quantitative Susceptibility Mapping, QSM）技术在高场强磁共振系统（≥1.5T）中的应用已得到广泛研究与应用。然而，关于该技术在中低场强（<1T，如0.53T）条件下的可行性研究尚处于初级阶段。本研究通过系统评估去噪处理对中场强QSM成像质量的影响，首次提出基于稳健局部低秩（Robust Locally Low-Rank, RLLR）和随机矩阵理论（Random Matrix Theory, RMT）的去噪算法在中场强QSM重建中的有效性验证框架。实验采用0.53T磁共振成像系统，通过三维多回波梯度回波（3D multi-echo gradient recalled echo, GRE）序列获取活体脑部磁共振数据，并分别构建原始数据、RLLR去噪后数据及RMT去噪后数据三组QSM重建模型。定量分析表明，经RLLR和RMT算法处理后的重建图像在感兴趣区域（Region of Interest, ROI）的磁化率值标准差分别降低至[具体数值]和[具体数值]，较原始数据重建结果具有显著统计学差异（p<0.05）。特别是额叶白质区域的相位信噪比（Phase Signal-to-Noise Ratio, pSNR）提升达[具体百分比]，有效验证了所提出方法在中场强QSM图像质量及定量准确性方面的优化效果。本研究为低中场强磁共振系统的QSM临床应用提供了重要的技术验证与理论支持。

多模态MR图像重建

摘要：《MR-FusionMamba: A Visual Mamba Network with Range-Null Decomposition for Multi-Modal MRI reconstruction》

多模态磁共振成像（MRI）为MRI成像加速提供了一种有效的解决方案，其利用参考模态从其欠采样的目标模态重建图像。目前，用于加速MRI的深度学习方法主要采用卷积神经网络（CNNs）或Transformers来提取特征并整合各种类型的数据。CNNs效率较高，但其有限的感受野限制了捕捉全局上下文的能力。同时，Transformers在建模全局信息方面表现出色，但其二次计算复杂度带来了挑战。最近，状态空间模型（SSM）的最新进展，尤其是Mamba，为这一问题提供了一个极具前景的解决方案，通过线性复杂度实现了全局感知。因此，我们提出MR-FusionMamba用于多模态MRI重建。该方法将Mamba模块集成到双U形网络中，并扩展其功能以支持双输入。为了提高数据一致性，我们在双U形网络的基础上应用了Range-Null分解定理。

未来，福晴医疗将持续加码研发，携手各大高校、科研机构攻关“卡脖子”技术，推动高端设备国产化进程，让精准诊断惠及全民，以科技之力书写“中国智造”守护生命的时代答卷。

返回列表 →