浙大二院联合联影医疗验证AI加速磁共振成像技术临床应用可行性

深度学习技术显著缩短SWI与QSM扫描时间，图像质量与定量精度获权威验证

近日，浙江大学医学院附属第二医院与联影医疗合作开展的AI辅助加速（ACS）磁敏感加权成像（SWI）和定量磁敏感成像（QSM）技术临床验证研究取得重要进展。研究证实，基于深度学习的加速技术在显著缩短扫描时间的同时，保持了优异的图像质量与定量准确性，具备广泛的临床应用前景。

相关成果以《Validation of a Deep Learning-Based Method for Accelerating Susceptibility-Weighted Imaging in Clinical Settings》和《Validation of deep-learning accelerated quantitative susceptibility mapping for deep brain nuclei》为题，分别发表于国际权威期刊《NMR in Biomedicine》与《Frontiers in Neuroscience》。吴啸、周映为主研技师，黄沛钰博士与孙建忠主任技师为通讯作者。

研究背景

磁敏感加权成像（SWI）在脑出血、铁沉积及微血管病变检测中具有重要价值；其衍生技术定量磁敏感成像（QSM）可量化深部脑核团磁敏感性变化，对阿尔茨海默病（AD）、帕金森病（PD）等神经退行性疾病的早期诊断与病情追踪具有重要意义。

然而，传统SWI/QSM扫描因分辨率高、采集时间长，易受患者运动影响产生伪影，且常规并行加速技术在高倍加速下常导致图像质量下降，限制了其临床普及。

为突破瓶颈，联影医疗将深度学习技术应用于k空间欠采样重建，采用Poisson Disk采样策略结合ReconNet3D级联卷积神经网络模型，实现高效图像恢复，在保证图像质量的前提下大幅提升扫描效率。本次研究对深度学习加速SWI（DL-SWI）与QSM（DL-QSM）的临床可行性进行了系统验证。

研究方法与结果

DL-SWI临床图像质量验证

研究纳入61例患者，对比传统并行成像加速SWI（PI-SWI，加速因子2，耗时4分45秒）与深度学习加速SWI（DL-SWI，加速因子5，耗时1分46秒）的图像表现。

结果显示：DL-SWI在结构相似性（SSIM：0.89±0.02）和峰值信噪比（PSNR：36.91±2.41）方面与PI-SWI高度一致。在伪影控制、噪声抑制和整体图像质量评分上，DL-SWI显著优于PI-SWI（分别为4.15 vs 3.33、3.85 vs 3.16、3.85 vs 3.44，p均<0.001）。尽管DL-SWI锐度略有降低（p=0.031），但病灶检出能力无差异，微出血识别数量完全匹配，未出现假阴性或假阳性。

进一步分析表明，通过提升分辨率，DL-SWI可在更短扫描时间内呈现更多解剖细节（如小血管与出血灶），实现更优的时间-分辨率平衡。

图1. 脑解剖结构DL-SWI与PI-SWI对比

图2. 多个病例出血病灶DL-SWI与PI-SWI对比

图3. 更高分辨率的DL-SWI与PI-SWI对比

DL-QSM深部核团定量评估验证

研究共纳入59名受试者，评估DL-QSM在3、4、5倍加速下的表现（扫描时间分别为4:35、3:15、2:11），对比2倍加速PI-QSM（6:46）。

视觉评估显示，深部核团形态与局部特征良好保留，随加速倍数增加图像轻微平滑化。DL-QSM与PI-QSM的平均SSIM达0.85–0.87，PSNR为44.23–44.56。7个关键核团（如豆状核、尾状核、红核等）的磁敏感性定量值差异小于5%，数据高度一致。此外，DL-QSM准确反映了年龄与QSM值之间的相关性，满足科研需求。