2025年1月15日下午，中国科学院深圳先进技术研究院医工所所长、医学人工智能研究中心主任梁栋研究员在小木屋为太阳成集团tyc33455ccwww师生带来了一场精彩的讲座。本次讲座的主题为《快速磁共振成像中的数学理论与方法应用——从噪声建模角度》，讲座由太阳成集团tyc33455ccwww副经理黄守军教授主持。

梁栋研究员指出，应用人工智能的动机之一是技术推动。压缩感知技术自2006年发展以来，模糊伪影，以及在线重建时间相对较长和稀疏约束的正则化参数难以选择等问题，都促使了AI技术的应用。

梁栋研究员从噪声建模的角度出发，系统阐述了如何通过“认识噪声”、“利用噪声”和“改造噪声”三个逐步提升的阶段，驱动设计出一系列创新的人工智能成像方法，显著提升成像速度与图像质量。首先，在“认识噪声”阶段，梁栋研究员深入分析了成像系统中各类噪声的来源，包括系统噪声、序列参数、物理线圈、运动伪影和非均匀性等。通过设计深度学习模型对这些噪声进行精准建模，提出了新型成像模型，从而提升了成像质量。接着，在“利用噪声”阶段，梁栋研究员指出，通过人为引入噪声并扰动数据分布，可以使数据分布变得更加可学习。结合磁共振物理原理，研究团队开发了一系列扩散模型（Diffusion Model），从而实现了高频细节的恢复，并大幅提升了推理速度。               最后，在“改造噪声”阶段，梁栋研究员通过利用磁共振k空间低频预测高频的特性，借助热扩散过程作为桥梁，提出了一种广义扩散模型。该模型能够有效预测低频数据缺失的高频信息，使得生成过程在保持高效性的同时更加可控。这三个阶段体现了从基础认识到深入应用再到创新突破的逐步提升过程，展现了噪声建模在人工智能成像中的巨大潜力。

在富有启发性的演讲之后，与会人员与梁主任进行了热烈的讨论，深入探讨了磁共振图像去噪领域的挑战和未来的发展方向。最后，与会者们展望了人工智能在磁共振图像去噪中的潜力。随着深度学习等AI技术的发展，其在图像处理领域的应用越来越广泛，通过训练深度神经网络来学习图像的内在结构和噪声模式，有望实现更高效、更准确的去噪效果。同时，大家也意识到，AI技术的应用需要大量的标注数据和计算资源，这将是未来研究中需要解决的问题。

专家介绍：梁栋，研究员，中国科学院深圳先进技术研究院医工所所长、医学人工智能研究中心主任，医学成像科学与技术系统重点实验室副主任，中国科学院医学成像技术与装备工程实验室主任，广东省多模态无创脑机接口理论与技术重点实验室主任。主要研究方向为人工智能医学影像。主持国家杰出青年科学基金、国家自然科学基金重点项目、国家自然科学基金天元基金重点专项等多个科研项目。发表国际学术期刊论文100余篇，中国生物医学工程学会理事、副秘书长;国家科技进步一等奖等多个奖项获得者。