如今，中国的高端医疗装备产业，产学研医并肩创新，开启了一场以“超越”为关键词的自主创新之路，共筑新时代的国之重器。这其中，科研工作者是永攀科技高峰的“先行者”，不断实现“从 0 到 1 ”的坚守和突破，是中国高端医疗装备产业从跟跑、并跑到转向领跑的重要力量。
为此，联影筹划推出“磁共振物理大师说”系列访谈，包括心脏、高梯度性能神经影像、运动校正、多模态融合成像等主题，向读者介绍具有国际视野和顶尖技术的磁共振物理学家们的观点，洞察行业前沿动态，让更多的磁共振领域同道相互吸引凝聚， 构建更加开放的创新生态。
在本期《高梯度性能磁共振大师说》中，我们邀请浙江大学吴丹教授，共同畅谈高梯度性能磁共振系统的现在与未来。
科研经历:
吴丹博士在美国约翰霍普金斯大学生物医学工程专业获得博士学位，博士毕业后曾在约翰霍普金斯大学进行博士后研究，历任副研究员、助理教授，回国后在浙江大学开展研究。吴丹博士主要研究方向为磁共振成像序列与医学影像的分析处理方法的研发，特别在快速高分辨率成像序列的开发、基于弥散磁共振的微结构成像方法、胎儿与婴幼儿脑影像等领域做出了若干原创新贡献，在PNAS, Science Advances, Radiology, Nature Communications 等知名期刊发表了论文 90 余篇；获授权专利 20 余项（国际专利 7 项），获日内瓦国际发明展特许金奖。担任国际磁医学共振学会（ISMRM）儿童磁共振分会主席、ISMRM 胎儿与胎盘磁共振分会主席、ISMRM 年会组织委员会 (AMPC) 、教育委员会。
观点摘要
高梯度性能在磁共振成像研究中具有重要价值，在微结构成像、肿瘤诊断、和神经影像研究中展现了广阔的应用前景。其显著提高了成像分辨率和精度，特别是在弥散磁共振成像中，对肿瘤分子分型和病理分级有重要意义，同时在超高分辨率功能磁共振成像中也能精确解析脑功能，推动了神经科学的深入研究。然而，梯度性能的提升也面临着边际收益递减的问题，需要在硬件设计、梯度性能优化、序列开发、图像后处理和临床应用之间找到平衡。浙江大学吴丹教授团队与联影携手研发专为高时空分辨率神经成像设计的超高梯度性能磁共振成像系统 uMR NX Frontier，其具有国际人体磁共振最高梯度性能：最大梯度强度为 650 mT/m，最大切换率为 600 T/m/s。研究结果表示，uMR NX Frontier 在提升扩散磁共振成像和功能磁共振成像的信噪比和成像分辨率方面有极大优势，同时在基于扩散磁共振成像的微结构映射领域也将有独特优势，该成果已发表于国际权威期刊《NeuroImage》，它将与国家的脑计划紧密结合，为神经科学领域的研究提供强有力的支持。
uInnovation: 您在美国约翰霍普金斯大学取得博士学位和教职后，是什么因素使您选择回国进行学术研究？为什么选择浙江大学？
吴丹教授：
回国这个决定对我来说，既是一个深思熟虑的过程，也是一个水到渠成的结果。在海外求学和工作的那几年，我始终铭记着回到祖国贡献力量的初心。
当时有几个原因促使我下定决心回国发展。首先， 2017 年我有幸入选了国家级海外人才计划。其次，我一直关注着国内磁共振技术的发展，同时一直与母校浙江大学，特别是与生物医学工程学院的老师们，保持着密切的联系。
至于为什么选择浙江大学，我是浙大生物医学工程的毕业生，我对母校有着深厚的情感。同时，我也深知浙大在磁共振领域已经具备了很好的基础和平台。所以，当回国的契机出现时，我几乎没有犹豫就选择了浙江大学。
uInnovation: 您从事 MRI 科学研究多年，为什么选择高梯度性能作为研究方向之一，它的独特优势是什么？高梯度性能可以使哪些研究方向获益？
吴丹教授：
从早期研究开始，我便意识到高梯度性能在磁共振成像研究中的重要价值。在我研究生时期的一次 ISMRM 的研讨会中，我们就梯度性能提升和场强提升两者之间谁对弥散磁共振成像最有意义展开辩论，多数研究者倾向于梯度性能的提升。
确实，对于弥散磁共振研究者而言，高梯度是不可或缺的硬件基石。高梯度性能可以带来微结构编解码能力的显著提升，比如，高梯度可以实现更高的值及更短的扩散时间。高 b 值对于肿瘤成像以及微结构模型（如 SANDDI）非常重要，而更短的扩散时间是时间依赖性扩散磁共振（如OGSE序列）的关键。不仅限于扩散磁共振，高梯度性能还可以大大提升成像编码的效率，因而在多种 MRI 模态中发挥重要作用，包括功能磁共振和结构磁共振等。
uInnovation: 您认为在前沿的磁共振神经影像领域，“高场”所代表的两个方向，“高磁场强度”和“高梯度性能”这两个路线各有什么优势和挑战？如何根据不同的研究方向选择二者？
吴丹教授：
这两个方向确实都是当前磁共振研究的前沿热点。首先，超高主磁场强度能够显著提升成像的信噪比，进而提升整体成像质量。对于功能磁共振和一些与磁敏感相关的成像技术（如 QSM），超高场强还能增强对比度以及 CNR。然而，超高场强 MRI 面临着场不均匀性和更高射频功率沉积的挑战，成像质量会打折扣，需要经验丰富的操作者和并行传输等技术来校正。
另一方面，高梯度性能同样对成像质量有着重要影响。尽管我们刚刚谈到高梯度性能可以给各种 MR 模态带来诸多优势，但它也可能引发电磁负效应，如对外周神经系统的刺激、噪声和震动等。因此，在提升性能的同时，需要通过硬件设计和序列优化来降低这些负效应。
在选择平台时，一方面，我们需要根据具体研究方向和实际应用场景来权衡。另一方面，从临床应用的角度来看，可以采用折中方案，如 3T 或 5T 的磁场强度搭配适中的梯度场（如 200~300mT/m），以在保证成像质量的同时，提高设备的稳定性和易用性。这样既能满足科研需求，又能更好地服务于临床应用。
uInnovation:高梯度磁共振系统的研发涉及磁共振影像全链路。能否介绍您团队在相关的硬件研发、序列开发、重建算法，以及图像后处理方面取得的进展？
吴丹教授：
高梯度磁共振系统的研发是一个系统工程，涵盖了从硬件设计到最终图像应用的各个环节，我们最后的目标是追求最好的成像质量和临床应用。
在硬件研发方面，我们针对高梯度带来的外周神经系统刺激（PNS）等副作用，设计了头部专用的高梯度设备。头部专用机的硬件设计不仅降低了 PNS 的刺激，还提高了梯度效率，使得我们能够在较低 GPA 下实现更高的梯度场强。同时，我们利用线圈电磁仿真技术优化梯度线圈的绕线方式，在目标函数的优化过程中兼顾了水冷、震动等问题，确保了硬件的实用性和理论最优性。
在序列开发方面，我们注重序列设计搭配硬件性能进一步解决电磁负效应问题，通过设计一些静音序列和对震动不敏感的序列，以进一步减少高梯度带来的副作用。同时我们也在追求高分辨率成像，研发了 3D 弥散磁共振序列。其中，3D 成像序列在信噪比和分辨率之间取得了良好平衡，解决了 2D 成像在分辨率提升时信噪比受限的问题。我们也针对 3D 成像中的相位伪影等问题进行了长期研发，并在继续探索快速高分辨率弥散成像序列设计的相关问题。同地，为了最大程序利用高梯度的优势，我们目前的研究更加关注振荡梯度自旋回波（oscillating gradient spin echo, OGSE）等微结构成像序列。
在图像后处理方面，我们利用人工智能方法，解决了成像过程中残留的运动伪影、非均匀性、信噪比等问题。在微结构模型重建算法方面，我们针对微结构成像的需求，开发了贝叶斯拟合、物理模型启发的深度学习等多种新型重建方法，在 q-t 空间降低采样的同时，提升重建效果，服务于临床应用。
总的来说，我们团队在高梯度磁共振系统的研发中，注重从硬件到序列、再到重建算法和后处理的全方位优化，围绕提高成像质量和临床应用效果这一目标，不断推动技术的创新和进步。
吴丹课题组提出的物理模型启发的深度学习模型用于微结构模型降采样重建
uInnovation:在不断追求高梯度性能的道路上，边际收益会递减吗？未来磁共振的梯度性能会不断提高吗？
吴丹教授：
在磁共振领域，无论是主磁场的提升还是梯度的增强，都会面临边际效应的挑战。理论上，场强和梯度的增加应该带来性能的提升，但实际操作中，这种提升并非线性关系。
当达到某一极限后，刚刚我们提到的各种负效应会愈发显著。因此，在设计磁共振系统时，我们必须综合考虑这些因素，找到在现有硬件条件下最优的梯度性能，然后确定在特定研究场景下最合适的梯度场强，这需要我们进行大量的理论分析和实际测试。例如，我们会根据需要解析的微结构尺度，通过理论计算来确定所需的梯度场强，以确保既能获得高精度的测量，又不会对人体造成过大的刺激。
同时，我们也看到，尽管目前已有高场强如 10.5T 的磁共振设备出现，但其图像的完善和应用仍需要长时间的优化和验证。这说明在追求高场强和高梯度性能时，平衡各种因素、寻找最优解的重要性。总的来说，我认为未来磁共振梯度性能的发展将更加注重实际应用的可行性和效果，而不是单纯追求指标上的提升。
uInnovation: 能否介绍一下您与联影合作的高梯度性能项目的情况？您对高梯度性能磁共振平台的发展和应用有什么展望？
吴丹教授：
作为浙江省的重点研发计划项目，于 2022 年正式立项，但实际上，从 2020 年开始，我们团队与联影就开始合作，共同打磨项目的设计方案。在这个过程中，我们主要负责电磁仿真和梯度线圈的设计工作，联影则凭借其丰富的工程经验和在打造高梯度设备方面的深厚积累，为我们提供了强有力的支持。目前，样机已经具备所需的性能，我们还在为满足高时空分辨率脑影像继续优化。
对于这台设备的未来应用，我们充满了期待。我们这个工作今年年初在《NeuroImage》上发表后，也引起了比较大的关注。作为脑部专用的设备，它将与国家的脑计划紧密结合，为神经科学领域的研究提供强有力的支持，我们预计神经科学相关的科研院所和医院将成为主要的用户群体。
头部专用高性能梯度系统 uMR NX Frontier 和发表在《NeuroImage》上的文章
uInnovation: 您在时间依赖性弥散磁共振成像这个技术的开发和应用中做了很多工作，可否详细介绍一下这个技术的优势和特点，以及它在临床疾病诊断中的价值？
吴丹教授：
我从十年前在 JHU 开始研究时间依赖性弥散磁共振成像（time-dependent diffusion MRI），在小动物的成像设备上开始做，到如今在临床上的初步应用，这项技术经历了漫长的研发和应用过程，我对这项技术也是有很深的感情。
它的独特之处在于能够捕捉水分子在不同扩散时间尺度下的行为，从而揭示出整个时间谱下组织的微观结构特征和功能信息，其内涵非常丰富。我们最近的工作刚发表于《Science Advance》，通过描绘时间依赖性曲线，这项技术不仅能够在短扩散时间内提供结构信息，还能在长扩散时间内提供跨膜水交换等功能信息。
时间依赖性弥散峰度成像（tDKI）原理（Science Advances, 2024）
具体来说，我们利用 OGSE 等序列，通过振荡的梯度编码去探索比较短的扩散时间，从而敏感地捕捉到微观结构的形态信息。这些信息对于解析细胞大小、细胞密度以及细胞内外的水分子扩散率等至关重要，而这些参数又与病理变化紧密相关。另一方面，我们可以用 diffusion weighted STEAM 等序列去探索长扩散时间，从而得到跨膜水交换等功能信息，这对于理解类淋巴系统等生理过程具有重要意义。
除开理论层面的价值，这项技术在临床应用方面也很有意义。在恶性肿瘤的研究中，我们发现基于时间依赖性弥散磁共振得到的微观结构指标与病理分级和分子分型高度相关。例如，在前列腺癌和脑胶质瘤的研究中，我们的技术能够准确地反映肿瘤的恶性程度和分子特征，为临床治疗和预后评估提供了重要依据。此外，在乳腺癌的研究中，我们也发现这项技术相比常规 MR 标记物能够更精准地进行分子分型，并预测辅助治疗响应。相关工作发表于 Radiology, Neuro-Oncology 等临床影像期刊。
除了恶性肿瘤，我们还在阿尔茨海默症和帕金森症中进行了初步探索，发现该技术也能在这些神经退行性疾病中检测到与病理变化显著相关的微结构指标变化。这些发现为我们进一步挖掘该技术的临床价值提供了重要线索。
未来，我们计划开展时间依赖性弥散磁共振成像的多中心研究，也希望基于联影的平台与更多临床医院合作。我们相信，通过不断的研究和实践，这项技术将在更多疾病的诊断和治疗中发挥重要作用。
TDDMRI 在前列腺癌中的应用（Radiology, 2024）
uInnovation: 您课题组的研究工作涉及临床前和临床应用，您认为在磁共振的临床转化研究中，当前还面临什么样的挑战？您有哪些经验可以分享？
吴丹教授：
临床转化，一般是指将实验室中的新技术推向临床应用的过程。在此过程中，我们面临很多挑战。
首先，技术开发的起点多样，无论是源自人体研究还是动物模型，我们都需要在两者之间建立有效桥梁。这要求我们不仅要关注技术在人体成像的直接应用，还需深入探究其背后的生物学机制。在动物模型与人体研究之间，我们常面临着“临床转化”与“反向转化”的双向需求。一方面，动物模型上的原理性突破需经严谨验证后推向临床；另一方面，临床中发现的新现象或诊断性能的提升，往往需回到动物模型以揭示其生物机制。以我们最初的 OGSE 技术为例，它首先在动物身上得到验证，随后成功应用于临床。然而，在临床推广过程中，某些结果却难以解释，这促使我们再次回归动物模型，以探求更深层次的机制。举个例子，在阿尔茨海默症（AD）中，时间依赖性弥散磁共振技术的有效性同样引发了我们的好奇，这时我们又会借助动物模型以验证从中反映的 AD 机制是否准确。
然而，这一过程并非易事。动物与人体磁共振平台在硬件性能、实验条件及编程系统上存在显著差异，这要求我们投入大量精力进行平台适配与参数优化。此外，不同医院、不同设备、不同疾病间的技术转移亦需细致考量，这要求我们与临床科研团队紧密合作，共同探索最佳实践方案。
uInnovation: 您现在担任 ISMRM 儿童磁共振分会主席、ISMRM 胎儿与胎盘磁共振分会主席，请问目前胎儿磁共振的现状如何？哪些磁共振技术在胎儿扫描还有较大的挑战？
吴丹教授：
在胎儿和儿童磁共振领域，我们正处于一个快速发展的阶段，这两个分会作为 ISMRM 新近设立的 study group，也是为了推动该领域获得更多关注与讨论。我们意识到，相较于成人磁共振，在脑发育这一特定领域内，磁共振成像确实存在许多被忽视且亟需深入探索的问题，涉及了磁共振成像系统全流程的研发。
目前，胎儿磁共振面临的最大挑战之一便是胎儿运动问题。尽管我们已经开发了一系列快速成像技术和运动伪影冻结方法，以尽量减少运动对成像质量的影响，但这一问题仍难以完全避免。因此，后续的图像后处理校正显得尤为重要，人工智能技术的引入有力推动了这一领域的发展。
此外，胎儿磁共振还受到硬件设备的诸多限制。胎儿位于腹部周围脏器及腹部皮层脂肪对成像质量的影响不容忽视，在高场强如 3T 的磁共振设备上，介电效应尤为显著，导致图像不均匀性和伪影增多。因此，在线圈研发上，我们也需要针对这一特殊人群进行特殊设计，以提升成像质量。同时，低场或超低场磁共振设备在胎儿成像中也可能发挥独特作用，值得进一步探索。
在婴幼儿磁共振领域，特别是图像处理方面，我国已具备显著优势。然而，婴幼儿大脑发育过程中的对比度变化给图像处理带来了新的挑战。我们需要不断优化图像采集策略和运动校正手段，以应对这种动态变化。此外，婴幼儿特质线圈的设计也是提升采集端成像灵敏度的关键。特别是在非镇静状态下的扫描适配问题，如何确保婴幼儿在扫描过程中的舒适度和安全性，也是我们必须特殊考虑的问题。
2024 年 5 月在杭州举办的《ISMRM Endorsed workshop on Perinatal Brain MRI》
uInnovation: 您课题组的学生的科研成绩都非常优秀，在本科的时候就有机会发表高水平论文和国际会议论文，在研究生期间能够在国际会议上拿金奖、银奖。您培养学生的方法是什么？
吴丹教授：
其实，我认为培养学生的过程是一个双向奔赴、共同探索的旅程。
首先，我非常享受带本科生的过程，我很愿意看到他们从零开始，逐渐对科研产生兴趣并取得成果。对于本科生，我注重激发他们的科研兴趣，通过了解他们的兴趣点，为他们量身定制研究方向。同时，我会引导他们从基础做起，逐步培养他们的科研能力和内驱力。
在研究生培养方面，我借鉴了自己在国外的科研经历，采用了一种循序渐进、注重自主学习的教学方法。对于低年级的研究生，我会手把手指导他们进行实验和文献阅读，帮助他们快速适应科研环境。随着研究的深入，我更加注重培养他们的自主学习和独立科研能力。我希望他们能够在解决问题的过程中，逐渐学会发现问题、提出创新性的想法。
在具体方法上，我鼓励学生们每天用一到两个小时的时间来阅读最新的科研文献，以掌握最前沿的知识和动态。此外，我也非常注重组内的学术交流，我们经常在组会上分享最新的研究进展和未来方向。除了内部培养，我还非常注重学生与国际学者和临床医生的合作与交流。我鼓励学生们多参加学术会议，支持他们到国际顶尖高校交流，拓宽视野，激发创新思维。
通过这些方法，我希望培养学生在科研道路上成为独立且有影响力的研究者，看到同学们的成长我也会很有成就感。
吴丹教授团队成员在国际会议上收获多项奖项
uInnovation: 能否介绍一下您所在的浙江大学课题组的情况？
吴丹教授：
我的课题组是在我 2018 年回国后建立的，目前团队规模约 30 人，其中研究生约 20 名，以博士生为主，此外还有数名博士后研究员及科研助理。我们的研究方向主要聚焦于三大模块：
首先，是磁共振成像技术，特别是弥散磁共振成像序列及其关键部件的研发。这一方向不仅涉及成像序列的创新，还包括微结构重建等生物物理模型的研发，以及高梯度设备等硬件层面的研究。我们从前端研发到后端应用均有深入探索，这些技术目前已经在多家的临床医院部署和开展临床合作。
其次，是脑发育影像研究。这是我回国后投入大量精力建立和发展的一个新方向。我们关注胎儿、婴幼儿及儿童青少年各个阶段的脑发育过程，并致力于解决这一领域面临的诸多技术挑战。针对胎儿和婴幼儿脑影像成像难度大的问题，我们在前端图像采集和后端图像处理上都进行了针对性的技术研发。同时，我们与临床紧密合作，建立正常脑发育及异常脑发育性疾病队列，开展了系统性研究工作，我个人也担任了 ISMRM 儿童磁共振分会和胎儿磁共振分会的主席。
第三，是神经影像大数据分析。我们利用大数据和人工智能等技术手段，结合影像数据与其他多模态的数据，包括基因数据、认知量表数据、穿戴式传感器数据等，并综合我们自己采集的数据库与公共数据库资源，从神经科学的角度出发，探讨认知神经科学、神经退行性疾病、脑发育性疾病的机制问题。
此外，我的课题组只是我们大团队中的一部分。在浙江大学，我们还有多位专注于磁共振研究的老师，他们的研究方向涵盖了分子影像、生理成像、灌注成像及血脑屏障成像等多个领域。我们各个课题组之间保持着紧密的合作关系，经常共同组会讨论研究进展，并在临床合作上相互支持。
吴丹教授课题组合影
参考文献：
[1] Wu, D., Kang, L., Li, H., Ba, R., Cao, Z., Liu, Q., Tan, Y., Zhang, Q., Li, B., & Yuan, J. (2024). Developing an AI-empowered head-only ultra-high-performance gradient MRI system for high spatiotemporal neuroimaging. NeuroImage, 290, 120553.
[2] Wu, D., Turnbill, V., Lee, H. H., Wang, X., Ba, R., Walczak, P., Martin, L. J., Fieremans, E., Novikov, D. S., Northington, F. J., & Zhang, J. (2023). In vivo Mapping of Cellular Resolution Neuropathology in Brain Ischemia by Diffusion MRI. bioRxiv : the preprint server for biology, 2023.08.08.552374.
[3] Wu, D., Jiang, K., Li, H., Zhang, Z., Ba, R., Zhang, Y., Hsu, Y. C., Sun, Y., & Zhang, Y. D. (2022). Time-Dependent Diffusion MRI for Quantitative Microstructural Mapping of Prostate Cancer. Radiology, 303(3), 578-587.
[4] Zhang, H., Liu, K., Ba, R., Zhang, Z., Zhang, Y., Chen, Y., Gu, W., Shen, Z., Shu, Q., Fu, J., & Wu, D. (2023). Histological and molecular classifications of pediatric glioma with time-dependent diffusion MRI-based microstructural mapping. Neuro-oncology, 25(6), 1146-1156.
[5] Ba, R., Wang, X., Zhang, Z., Li, Q., Sun, Y., Zhang, J., & Wu, D. (2023). Diffusion-time dependent diffusion MRI: effect of diffusion-time on microstructural mapping and prediction of prognostic features in breast cancer. European radiology, 33(9), 6226-6237.
