Page 7 - 分子轉譯影像中心季刊XI
P. 7
Ⅲ Discussion and Recommendations
假如說世界大戰時「ENIGMA」的發明為現今電腦的前身，進而帶動數位化
及資訊爆炸的時代，也應證了摩爾定律；但也因為人類對於電腦與數位產品的依
賴，AI的發展勢必銳不可當，最近的AlphaGo與Siri都是相當顯著的例子。那我
們醫學影像領域的人怎麼看待這件事的?我覺得答案是正面的。只要不違背人類
福祉、不侵害個人隱私等前提下，發展AI對於診斷上來是有助益的；因篇幅有
限，後續可以再來分享目前發展的現況。
再回到前面所提及的 MRI 加速技術，Synthetic MRI 是從以前大家覺得可以
這麼做，並也覺得可實現的，如今這技術已推到臨床掃描上，是相當令人振奮
的。最大的好處在於面對未知的腦部疾病掃描時，不用再去邊掃邊修正影像參
數，而可以從一組影像中找到最有辨別度的影像；對於未知顯影劑或生物材料的
發展亦是如此，只要控制好待測物的濃度與體積，一次掃描就可得到弛緩效應
(relaxometry) 量化的數據，相當方便。
Multiband (MB) or Simultaneous MultiSlice (SMS) 則相當仰賴於多通道線
圈的發展與後續重組影像演算法的優化，並利用 phase shifts 的資訊重建成多個
不同位置的影像，此方法又可搭配多種現有的 protocol 使用，加速與減少假影
已被證明不會互斥的，此技術將會成為臨床 MRI 標準流程之一。另外，Siemens
有發展另一個類似的技術叫 Controlled Aliasing in Parallel Imaging Results IN
Higher Acceleration (CAIPIRINHA)，但其實被歸類在新一代的平行加速影像技
術，因為它利用了不同的 RF pulses 來產生 slice shifts 的效果，而不同的 RF
pulses 其實也是由不同的 phase 來決定。所以也是類似的影像技術。
Compressed Sensing (CS) 在前面已有簡單的描述，它的加速可達原本的
10 倍，還是讓人覺得有點不可思議，甚至有人形容它「神奇」。可能因為就像
空降部隊，突然降落到MRI的領土上，而不是基於 MRI 既有設計與發展而出現
的。可是，我們不妨仔細思考一下，是否該懷疑一開始的感測器 (sensor) 的設計
是錯的、不完美的？所以才會收到如此多冗餘的資訊。只是現在終於有辦法可以
丟掉這些冗餘的雜訊，而僅拿我們想要的資料。但在有更好的 sensor 出來之
前，至少目前發展出以既快又準確的方式得到滿意的影像結果，也算解了燃眉之
急。這種現象，我想起大會中講者引用的一句話，很適合自我勉勵：
“Truth is much too complicated to allow anything but approximations.”
-John von Neumann
參考資料
1. Boesch C., Proc. ISMRM, 2018
2. Zhu XH., Proc. ISMRM, 2018
3. Hoffmann et al., MAGMA. 2014; 27(6):579-87.
4. Candès E. Proc. EU-US FOE, 2010
5. Multi-band SENSE to improve imaging speed. (2014). FieldStrength, (50), p.32.
6. Frost, R., Koopmans, P.J., Harston, G.W., Kennedy, J., Jezzard, P., Miller, K.L. and Porter,
D.A., High-Resolution Diffusion-Weighted Neuroimaging at 3T and 7T with
Simultaneous Multi-Slice RESOLVE.
7. Warntjes M., Proc. ISMRM, 2018
