9.1 AI赋能的序列设计

文档摘要

9.1 AI赋能的序列设计在MRI序列设计的百年演进史中，我们曾习惯于将物理模型视为不可撼动的基石：布洛赫方程勾勒自旋演化的轨迹，k空间理论构筑信号采集的经纬，而梯度波形、射频脉冲与时间参数的每一次微调，都需在信噪比、对比度、扫描速度与特定伪影抑制之间进行精妙的多目标权衡。这种“试错—建模—验证”的范式，支撑了从SE到EPI、从GRE到MR Fingerprinting的代际跃迁，却也日益显露出其固有的天花板——当超高场（7T及以上）带来信噪比红利的同时，也放大了B₀/B₁⁺不均匀性、化学位移位移、SAR约束与涡流耦合等非线性效应；当临床对亚毫米级动态功能成像、全脑弥散谱成像、甚至分子级代谢物定位提出迫切需求时，传统解析式设计已如逆水行舟，负重难前。