人工智能与磁共振成像技术
磁共振成像技术由于其非侵入、安全、无辐射、良好的软组织对比度等优势，是临床中非常重要的影像学检查手段，目前已被广泛应用于疾病的诊断和评估。在科学研究中，该领域方兴未艾，充满生命力，例如：各种多参数、定量化的磁共振成像技术层出不穷；用于超高分辨率成像的高场、超高场磁共振成为发展趋势；低成本、便携式的超低场磁共振扫描仪也逐渐引起研究者们的兴趣。这些新的技术在生命科学特别是神经科学领域具有广阔的应用前景，有望为临床疾病的早期诊断和全面评估提供更加有力的工具。然而，随着新技术的涌现及其在临床科研中的广泛应用，磁共振领域仍然面临一系列的技术挑战，比如：扫描时间长、图像的信噪比和伪影问题、定量图像的重建等。近几年来，以深度神经网络为代表的人工智能技术飞速发展，其在磁共振领域的应用也渗透到各个方面，如基于人工智能的快速磁共振成像、磁共振图像的分割、检测、配准等后处理、以及计算机辅助诊断等。人工智能为磁共振领域注入了全新的发展动力，在各方面任务中均展现了巨大的潜力。但是，目前基于人工智能的方法仍然面临着训练数据不足、泛化性、可解释性等方面的挑战，这些问题亟待研究者进一步探索与解决，从而促进人工智能在磁共振影像的应用。
人工智能与磁共振影像特刊征稿说明
本特刊的目的是鼓励研究者们提出 用于磁共振影像领域的人工智能方法。我们希望通过这一课题更好地帮助大家认识并理解磁共振影像与人工智能结合的应用前景以及它们对探索临床疾病的价值。我们的 收稿要求为4-6页中文，范围包括但不限于以下几个主题： 1）基于人工智能的快速磁共振成像方法，从而进一步减少扫描时间，促进磁共振技术在动态成像和实时成像中的应用； 2）基于人工智能的磁共振图像重建方法，如：高效、精准的T1、T2等参数的定量、定量磁化率图像的重建等； 3）基于人工智能的磁共振图像后处理方法，如：图像的超分辨、降噪、分割、配准等； 4）基于人工智能进行辅助诊断等相关的研究，如从磁共振影像中学习与提取隐含的疾病诊断特征，为疾病的辅助筛查、诊断、分级与评估提供帮助。
人工智能与磁共振影像特刊客座主编
(相关资料图)
魏红江：上海交通大学生物医学工程学院 刘且根：南昌大学信息工程学院 张孝勇：复旦大学类脑智能科学与技术研究院 张玉瑶：上海科技大学信息学院 罗 洁：上海交通大学 生物医学工程学院
投稿须知
《生物医学工程学进展》特刊投稿说明：
1.1来稿须具有创新性、学术性、逻辑性和可读性。投稿网址：www.bmeprogress.com(投稿时拟投栏目选择*Al核磁共振特刊)。
1.2本刊拒绝一稿两投、学位论文释出，以及以外语已发表的稿件，以免影响本刊在国际数据库的检索。
1.3文章篇幅在5000-7000字，建议最多不超过10000字。
1.4征稿截止时间：2023年8月1日
1.5所有收稿将经过严格的同行评审和专辑组委会集体讨论后决定是否录用。
期刊介绍
《生物医学工程学进展》创刊于1979年，是中国最早创办的生物医学工程领域的学术刊物。是中国最早创办的生物医学工程领域的学术刊物，是中国科技论文统计源期刊、中国核心期刊(送选)数据库收录期刊、中国生物学文摘及中国生物学文献数据库收录期刊。由上海市科学技术协会主管，上海市生物医学工程学会主办，上海交通大学生物医学工程学院协办，国内外公开发行。旨在报道生物医学工程领域的突破性新发现和新技术，推动前沿交叉领域的融合与发展，促进该领域科学家、医生及企业家的交流，并探索未来发展的趋势。
关键词：
人工智能
生物医学工程学
生物医学工程
