Low-field strength MRI (0.55T) for stereotactic and functional neurosurgery using deep learning-based reconstruction algorithm: Preliminary experiences [NEUROIMAGING PHYSICS/FUNCTIONAL NEUROIMAGING/CT AND MRI TECHNOLOGY]

0.55T 低磁場搭配 AI 重建，在立體定位的影像品質評分上與 3.0T 達成高達 0.947 的驚人一致性。神經外科深部腦刺激向來追求極致的空間解析度，傳統觀念認為非高磁場系統無法勝任此任務。然而，高磁場伴隨的假影與幾何變形，反而是術中定位誤差的最大來源。西門子 0.55T 系統結合最新的深度學習影像重建演算法，直接打破了這項深植人心的迷思。

高磁場幾何變形與 0.55T 系統的物理優勢

立體定位神經外科手術對幾何精準度的要求極為嚴苛，毫米級的誤差就可能導致深部腦刺激（DBS）電極植入失敗，甚至引發嚴重的神經併發症。目前臨床實務強烈依賴 1.5T 甚至 3.0T 高磁場系統來獲取高解析度影像，以利辨識視丘、底神經節等微小神經核團。然而，高磁場系統在組織交界面（如顱骨、空氣通道、鼻竇附近）會產生極為顯著的磁化率假影。這種物理現象會進一步引發空間幾何變形，使得影像上的解剖位置與真實大腦座標產生微妙的偏移。這類變形是立體定位手術中最難以透過軟體完全校正的物理限制，往往讓神經外科醫師在計算座標時倍感頭痛。

相對而言，0.55T 低磁場系統的磁化率效應呈現線性大幅下降，幾乎從物理源頭消除了這類幾何扭曲，為精準的三維空間定位提供了遠比 3.0T 更穩固的基礎。此外，0.55T 系統具備更廣泛的醫療金屬植入物相容性、較低的整體建置與維護成本，以及更佳的機台孔徑開放感，對於容易幽閉恐懼或無法配合長時間靜止的震顫患者更為友善。過去，這類低磁場系統最大的缺點在於訊號雜訊比嚴重不足與掃描時間過長，根本無法滿足精細解剖結構的臨床呈現需求。

不過，隨著新一代深度學習影像重建演算法的飛躍進步，這個天平正開始發生劇烈傾斜，讓低磁場儀器有機會重新回到神經放射科的一線戰場。透過演算法的介入，硬體上的先天劣勢得以被強大的後處理算力彌補，使得我們能夠在享受低磁場無變形優勢的同時，無須犧牲判讀所需的空間解析度。這對極度依賴影像座標保真度的功能性神經外科而言，無疑是一場典範轉移。

11位受試者與 Deep Resolve Boost 重建

從研究設計的方法學來看，團隊採用了兩階段的嚴謹收案與影像參數最佳化流程。第一階段的先期測試納入了一名健康成人受試者，讓其連續進行 0.55T、1.5T 與 3.0T 三種不同磁場強度的磁振造影掃描。這個步驟的核心目的是建立跨磁場的基準線，並作為後續參數對齊與影像品質比對的絕對參考標準。在此階段，研究團隊正式導入了 Deep Resolve Boost（一種結合 k-space 與影像域同步除噪的深度學習演算法），針對四種立體定位手術中最依賴的常用序列進行大規模的參數微調。

這四個被挑選出來進行優化的核心序列包含：T1-weighted 3D Flash、T1-weighted 3D MPRAGE（超快速磁振造影的高解析立體結構掃描）、T2-weighted 2D TSE，以及專門用來凸顯大腦深部灰白質對比的 White matter nulling IR 2D TSE（利用反轉恢復技術將白質訊號完全壓抑以突顯灰質）。研究人員透過深度學習演算法的輔助，在 0.55T 的硬體限制下，反覆微調了這些序列的掃描時機、反轉時間與激發角度。完成參數的精細設定後，研究進入了關鍵的第二階段，針對另外 10 位健康成人受試者，全面使用這套經過優化處理的 0.55T 掃描協議進行造影，以此驗證協議的可重複性與臨床穩定度。

為了確保影像品質評估的客觀性與科學嚴謹度，團隊邀請了四位完全不知情的資深影像專家，透過一份包含 8 個核心題目的標準化問卷進行雙盲測試評分。這份問卷的評估重點精準鎖定在空間解析度表現、不同組織間的對比度，以及立體定位神經外科醫師在執行手術時最在意的關鍵解剖結構可視性。統計分析則採用了雙向隨機效應模型與絕對一致性檢定，以此計算出最具公信力的組內相關係數，確保評分結果不受單一醫師主觀偏好的干擾。

跨磁場評比與 0.947 一致性的關鍵數據展現

把焦點拉到具體的評估數據，儘管物理定律讓 1.5T 與 3.0T 系統在磁共振訊號擷取上具備無可取代的先天優勢，但 0.55T 結合 AI 的最終表現卻徹底顛覆了放射科醫師的傳統預期。研究結果明確指出，高磁場系統確實帶來了極高的原始硬體解析度與明顯更短的整體掃描時間。這主要是因為在高磁場環境下，掃描儀可以設定較低的擷取時間、極短的回音時間，並配合 T1 弛豫時間的延長而相應增加反轉時間。這些參數優勢在 T1-weighted 3D Flash、T1-weighted 3D MPRAGE 等極度依賴訊號量的序列上尤其明顯。

然而，最令人震驚的發現在於導入深度學習重建演算法之後，四位盲測評分者對於 0.55T 影像品質的整體評價，竟然給出了與 1.5T 和 3.0T 高磁場影像不相上下的極高分數。Table 1 顯示四位評分者的給分分佈極度集中，在衡量評分者間信度的雙向隨機效應統計模型中，最終的組內相關係數（ICC）達到了極為優異的 0.947，且標準差僅有極微小的 ±0.531。這組明確的數據證明了經過 AI 強化的低磁場影像，在專業醫師的視覺判讀與解剖標定上，具有極佳的穩定性與極低的醫師間個體差異。

換一個角度來解讀這份數據，深度學習模型在背景運算中極為精準地彌補了 0.55T 系統因磁場強度不足而損失的微弱訊號，將原本充滿顆粒感與雜訊的低場影像，修復成了平滑且具備臨床診斷價值的精緻畫面。這不僅僅是單純的畫面美化，更是對組織邊界對比的實質重建。最終生成的 0.55T 影像在嚴苛的臨床視覺評估標準下，完全足以與造價高昂且容易產生磁化率假影的傳統高磁場設備在立體定位領域中分庭抗禮，打破了硬體強度的絕對宰制。

三維切面與深部腦核標記定位的次群組解析

若細看論文中各個次群組對於不同腦部解剖結構的辨識度分析，0.55T 系統在這場不對稱的硬體戰爭中交出了一張令人極為滿意的成績單。立體定位手術成功與否的最基本前提，完全取決於前連合與後連合（AC-PC line，大腦三維座標系統的絕對中心基準點）的精準標定，以及周邊深部腦神經核團邊界的清晰劃分。Figure 2 畫出了 0.55T 在橫斷面、冠狀面與矢狀面的實際視覺效果，結果顯示所有參與測試的受試者，其影像在這三個正交切面上，皆能充分且連貫地顯示關鍵的神經解剖結構，毫無診斷死角。

具體到臨床應用層面，基底核、內囊、視丘與紋狀體的複雜解剖輪廓，在優化後的 0.55T 影像上均達到了足以進行功能性標靶定位的極高清晰度。這點非常不容易，因為 0.55T 系統的 T1 弛豫時間顯著短於 3.0T 系統，這使得 T1 權重影像在區分灰質與白質的交界時，本質上具備與高磁場截然不同的對比物理特性。透過對這個特性的精準掌握，研究團隊巧妙地調校了序列參數，將低磁場獨有的組織對比優勢發揮到極致，成功克服了低訊號的物理障礙。

此外，配合 White matter nulling 序列的精準運用，原本在一般常規高磁場 MRI 上容易與周邊複雜白質纖維束混淆的細微神經核團，在經過 Deep Resolve Boost 演算法的大幅處理與增強後，其邊界銳利度獲得了決定性的飛躍提升。這個顛覆預期的結果對於執行術前計畫的神經外科與放射科醫師來說意義非凡，因為它確保了極度關鍵的術前三維幾何坐標，絕對不會因為掃描儀器磁場強度的降低而產生任何在臨床上不可接受的偏移或誤判。

健康受試對象的極限與 0.55T 實務推廣挑戰

儘管初步的研究結果展現了極大的潛力，作者在討論環節也極為誠實地坦承了這項先驅型研究的幾項關鍵限制與目前技術的適用範圍極限。首先最明顯的問題在於，目前的受試群體僅限於 11 位沒有任何神經系統疾病的健康成人。這代表該套看似完美的影像掃描協議，尚未在常規臨床實務中準備接受立體定位手術的病患（例如患有晚期巴金森氏症或嚴重原發性顫抖症的患者）身上得到嚴謹的臨床考驗。這類病患的實際生理狀況遠比健康受試者複雜得多，使得目前的數據外推具有一定風險。

這類即將接受手術的患者群體通常伴隨強烈的不自主運動或顫抖症狀。因此，他們在掃描儀器中發生非自願性頭部移動的機率遠遠高於健康受試者。雖然 0.55T 系統搭配深度學習解決了畫質問題，但其相對較長的物理掃描時間，無疑會顯著放大因病患移動而產生的運動假影風險。即便當前的深度學習演算法在處理靜態隨機背景雜訊方面表現優異，但其對抗且修復巨觀生理運動的能力，在沒有更多臨床真實數據支持下，仍然充滿極大的不確定性。

其次，常規的手術場景中，病患頭部通常會預先安裝鈦金屬立體定位頭架，或大腦內已存在前次手術留下的金屬微電極。雖然 0.55T 低磁場系統在基礎物理學上對這類金屬產生的磁化率假影有著極高的耐受度，但 AI 重建神經網路在面對這類非生理性、且極端對比的金屬假影邊界時，是否會無中生有地捏造出不存在的解剖結構，目前仍是學界高度關注的未知數。作為資深的放射科同行，我們在面對這項新技術時，初期的臨床實務建議應將其定位為高磁場影像的輔助對照工具，直到在大規模臨床試驗中取得足夠廣泛的信賴區間數據為止。

對於神經外科立體定位，與其忍受 3.0T 難以校正的空間變形假影，不如擁抱 AI 加持的 0.55T——它不僅幾何保真度更高，解剖標定的一致性也能達到與高場磁振平起平坐的 0.947。