日前，郑州大学人民医院王梅云团队与清华大学医学院洪波团队、航天航空学院李路明团队，哈佛大学医学院Martinos影像中心刘河生团队合作，采用深度学习方法解决功能磁共振缺损信号修复难题，研究成果以题为《采用深度学习方法重建个体大脑缺损的血氧水平依赖信号》（Reconstructing lost BOLD signal in individual participants using deep machine learning）的论文发表在国际顶级期刊《自然•通讯》（Nature Communications）上。王梅云教授为本论文的共同通讯作者，郑州大学人民医院博士后路易莎·达马尼（Louisa Dahmani）为论文的共同第一作者。
研究团队采用生成对抗网络（Generative adversarial networks，GAN）模型，对临床上部分信号缺损的静息态功能磁共振信号实现准确修复。这种基于生成式深度学习模型的受损功能磁共振图像修复技术，巧妙解决了现有磁共振预处理方法无法处理信号缺损脑功能图像的难题。该方法不仅可以修补大脑皮层网络的连接图谱，还可以实现信号缺损脑区功能磁共振激活时间序列的单帧重建，实现了对大脑激活磁共振信号在时间和空间上的完整重建。该方法在信号序列波动一致性、功能网络连接图谱相似性、个体大脑功能网络特异性等方面，都达到了良好的性能指标。植入磁共振兼容脑起搏器的帕金森患者，脑功能图像通过该方法实现了准确修复。该方法针对临床诊疗和脑科学科研究中因信号采集和电极干扰等问题导致的功能磁共振信号的缺损，提供了一种新颖有效的解决方案。
该研究得到了国家自然科学基金委、科技部重点研发计划等支持。
文章链接https://www.nature.com/articles/s41467-020-18823-9
