2023年国际医学磁共振学会(ISMRM)年会暨国际磁共振技师学会(ISMRT)年会将于2023年6月3日至8日在加拿大多伦多举行。近日，ISMRM官方公布了大会中稿信息（https://www.ismrm.org/23/accepted_abstracts.pdf），深圳技术大学投稿的4篇论文摘要全部中稿，其中3篇获选口头报告（oralpresentation，包括powerpitch），口头报告比例达到75%。受邀进行口头报告的论文第一作者包括我校18、19级的两名本科生，及健康与环境工程学院的吕孟叶老师。
国际医学磁共振学会（International Society for Magnetic Resonance in Medicine，ISMRM）创立于1994年，由其前身医学磁共振学会和磁共振成像学会合并组成，是全球规模最大、最能代表磁共振行业未来发展主向的国际性专业学会，同是也是放射影像领域最具影响力的专业学会之一，8000多名学会成员由临床医生、物理学家、工程师、生物化学家和技术专家等多学科专业人士组成。每年来自全球各地的科研人员汇聚在世界医学磁共振的舞台上，展示新研究成果，交流科学问题，促进医学研究和技术的临床应用，在医疗界及学术界拥有极高影响力。每年会议收到来自全球各大高校、医院、科研机构的近万篇投稿，经过同行评审后收录部分高水平论文摘要，其中又仅不到20%会受邀口头报告，在大会现场登台展示，具有十足的含金量。根据清华大学的国际重要学术会议分级目录，ISMRM年会属于生物医学工程学科的顶尖级国际会议。
（清华大学国际重要学术会议分级目录2020年版，https://lib.tsinghua.edu.cn/PDF/subject_ACC.pdf）
在学校学院的大力支持下，健康与环境工程学院吕孟叶助理教授团队提交了4篇论文摘要并被全部接收，其中3篇的第一作者为深技大18、19级本科生，他们在吕老师的指导下独立完成了算法创新、实验设计、文章撰写，在今年ISMRM2023会议上取得了中稿率100%、口头报告率75%的突破性成绩。
（以上为来自我校的录用文章的信息）
以下简要介绍4篇论文摘要的基本信息。
黄寿金深圳技术大学健康与环境工程学院
19级医疗器械专业本科生
研究名称: A Novel Cross-Subject Transformer Denoising Method
展示类型：口头报告
主题分类：Data Analysis & Processing
内容简介：在这项工作中，我们提出了一种名为Cross-Subject Transformer Denoising (CSTD) 的新型去噪方法，在具有各种噪声水平的数据集上进行的实验表明，我们的方法可能优于许多有竞争力的现有方法，当直接应用于全新的低场强数据时，我们的方法也表现出突出的通用性和鲁棒性，无需重新训练深度学习模型。
梅立锋深圳技术大学健康与环境工程学院
18级生物医学工程本科生
目前留校任科研助理
研究名称:VarNet-based Simultaneous Multislice Reconstruction for Low Noise Amplification and Flexible Calibration
展示类型：口头报告（powerpitch）
主题分类：ML/AI Showcase
内容简介：在本研究中，我们将读出串联框架与基于VarNet 的深度学习方法相结合，实现了低噪声放大的同时多层磁共振图像重建。该方法可以结合平面内加速灵活地处理任意混叠模式。此外，修改后的网络架构允许使用不同对比度的预扫描数据，使得本方法具有广泛的应用场景。
刘思杏深圳技术大学健康与环境工程学院
18级生物医学工程本科生
2022.7-2022.12留校任科研助理，目前在新加坡国立大学攻读硕士学位
研究名称: Deep Learning Augmented PROPELLER Reconstruction for Improved MRI Motion Correction
展示类型：电子墙报（Digitalposter）
主题分类：ML/AI for Acquisition & Reconstruction I
内容简介：螺旋桨磁共振成像(PROPELLERMRI) 技术是减轻磁共振图像中运动伪影的策略之一。然而现有方法估计运动参数的结果并不理想，最终图像中仍会出现运动伪影。我们将PROPELLER 成像技术与深度学习模型结合，提供更加准确的运动估计结果，并大大缩短了计算时间。
吕孟叶深圳技术大学健康与环境工程学院
助理教授
研究名称: M4Raw: A Multi-Contrast Multi-Repetition Multi-Channel Raw K-space Dataset for Low-Field MRI Reconstruction
展示类型：口头报告（Combined Educational-Scientific oral session）
主题分类：Sharing Is Caring: Reproducible Research in MRI
内容简介：低场磁共振成像（MRI）有望促进全世界的MRI可及性和可负担性。本次公开的M4Raw数据集旨在促进这一领域的方法学发展和可重复性研究。该数据集包括从183名健康志愿者身上收集的多通道脑部K空间数据，可用于低场MRI的新型数据驱动方法的研发，也可以作为通用MRI重建算法的基准数据集。数据集详细信息可访问https://github.com/mylyu/M4Raw。
