9.1.1 深度学习驱动的扫描轨迹优化

文档摘要

9.1.1 深度学习驱动的扫描轨迹优化在磁共振成像（MRI）的实际临床与科研场景中，扫描时间从来不是一道选择题，而是一场精密的多目标博弈：它既要满足诊断所需的信噪比（SNR）与空间分辨率，又要兼顾患者耐受性、运动伪影风险、设备硬件极限，以及日益增长的高通量扫描需求。传统k空间采样轨迹——无论是笛卡尔网格、螺旋线，还是放射状（radial）、同心圆（concentric rings）或PROPELLER式桨叶——本质上都是静态预设的几何模板。它们像一张印好的乐谱，无论演奏者（组织对比度）、乐器状态（B₀均匀性）、甚至听众（病灶位置）如何变化，都固执地重复同一段旋律。