深度学习算法L+S-Net实现心脏磁共振快速成像

基于联影3T磁共振系统，研究验证L+S-Net在左心室功能评估中的高效性与准确性

中国科学院深圳先进技术研究院朱燕杰研究员团队联合梅州市人民医院放射科范伟雄主任团队，基于联影高端科研型3T磁共振系统，前瞻性评估了ACS Cine加速技术结合model-based low-rank plus sparse network（L+S-Net）算法在左心室（LV）功能检查中的可行性与准确性。研究结果表明，在3T场强下，L+S-Net重建图像的LV功能评估结果与传统标准方法相当，且采集时间显著缩短，提升了该技术的临床适用性，有助于减少患者不适和运动伪影。

该研究成果以“Accelerated cardiac cine magnetic resonance imaging using deep low-rank plus sparse network: validation in patients”为题发表于国际权威期刊《Quantitative Imaging in Medicine and Surgery》。严辰媛、刘元元为共同第一作者，范伟雄、朱燕杰为共同通讯作者。

研究背景

心血管疾病是全球主要死亡原因之一，准确评估左心室容积与功能对疾病管理及预后判断至关重要。心血管磁共振成像（CMR）被公认为双心室功能无创评估的金标准。目前临床常用回顾性心电图门控二维分段屏气电影成像，虽具备高时空分辨率，但需患者多次屏气，易引发不适、呼吸困难甚至低氧血症，增加运动伪影风险并延长检查时间。

快速心脏电影成像技术可显著提升扫描效率，支持自由呼吸采集，简化流程。近年来，深度学习（DL）方法在MRI图像重建中展现出巨大潜力，能够在几秒内完成图像重建，克服传统压缩感知计算耗时长的问题，更适用于临床场景。其中，L+S-Net作为一种具有强可解释性的展开网络，能生成高质量图像，但其在临床环境中的优化与前瞻性验证尚属空白。本研究旨在前瞻性评估L+S-Net在高度加速心脏电影成像中的表现，以传统bSSFP序列为参考标准。

研究方法

研究共纳入41名不同类型心脏病患者，每位患者均接受L+S-Net加速MR电影成像与传统ECG门控分段电影成像。评估指标包括主观图像质量（IQ）评分及左心室功能参数（如射血分数、舒张末期容积等）。采用配对t检验比较两种方法的IQ评分与LV容积测量值，并统计采集时间差异。

图1. L+S-Net用于加速MR电影成像的算法框架

研究结果

定量分析显示，L+S-Net与传统方法在各项LV功能参数上测量结果高度一致。例如，射血分数分别为35±22%（标准）与33±23%（L+S-Net），无显著统计学差异。更重要的是，L+S-Net平均采集时间为0.83±0.08秒/层，显著低于传统方法的6.35±0.78秒/层（P<0.001），采集效率提升近8倍。

图2. 标准心脏电影图像与L+S-Net重建图像对比

图3. 两种方法在LV功能参数评估中的一致性分析结果

研究展望

人工智能正深刻变革医学影像领域，涵盖数据采集、图像重建、后处理到辅助诊断等多个环节。本研究表明，结合高性能硬件平台与先进深度学习算法，可有效推动心脏磁共振成像向更快、更准、更舒适的方向发展，为临床提供高效可靠的评估工具。