面向异构临床环境的超高速心血管成像：通用基础模型与多模态数据库
图像与视频处理
2026-04-15 v2 人工智能
医学物理
摘要
多模态心血管磁共振 (CMR) 成像为心血管疾病 (CVD) 诊断和底层机制提供了全面且无创的洞察。尽管数十年的进步取得了显著成果，但其广泛的临床采用仍受制于扫描时间延长、图像质量不一致以及跨医疗环境的异构性。这进一步凸显了需要一个面向物理约束逆问题的通用重建基础模型的紧迫需求，该模型针对传感器 (k-space) 域，能够适应各种不同的成像场景，并作为所有下游分析的 essential 基石。为实现这一目标，我们构建了 MMCMR-427K，这是目前规模最大且最全面的多模态 CMR k-space 数据库，包含 427,465 组多线圈 k-space 数据，配有结构化元数据，覆盖 13 个国际中心、12 种 CMR 模态、15 台扫描仪（涵盖 4 个场强）以及 17 种 CVD 类别，涉及三个大陆的患者群体。基于这一前所未有的资源，我们引入 CardioMM，一种通用重建基础模型，能够动态适应异构的快速 CMR 成像场景。CardioMM 将语义上下文理解与物理信息数据一致性统一，实现了在各种扫描仪、协议和患者表现下的稳健重建。全面的评估表明，CardioMM 在内部中心实现了 state-of-the-art 性能，并在未见的外部设置中展现出强大的 zero-shot 泛化能力。重要的是，CardioMM 支持最高可达 24 倍的加速，首次证明了如此极致的获取速度可以在不牺牲临床完整性的前提下，保留关键心脏表型、定量心肌生物标志物和诊断图像质量。
关键词
引用
@article{arxiv.2512.21652,
title = {Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with A Generalist Foundation Model and Multimodal Database},
author = {Zi Wang and Mingkai Huang and Zhang Shi and Hongjie Hu and Lan Lan and Hui Zhang and Yan Li and Xi Hu and Qing Lu and Zongming Zhu and Qiong Yao and Yuxiang Dai and Fanwen Wang and Yinzhe Wu and Jun Lyu and Qianqian Gao and Guangming Xu and Zhenxuan Zhang and Haosen Zhang and Qing Li and Guangming Wang and Tianxing He and Lizhen Lan and Siyue Li and Le Xue and Mengting Sun and Yuntong Lyu and Junpu Hu and Jiayu Zhu and Rizwan Ahmad and Zhengyu Bu and Xianling Qian and Guanke Cai and Ruiyu Cao and Weirui Cai and Chang Xu and Yuyang Ren and Feidan Yu and Siying Ma and Ziqiang Xu and Xinran Chen and Sha Hua and Daniel Kim and Yajing Zhang and Chen Ouyang and Wenjia Bai and Jing Qin and Yucheng Yang and Daniel Rueckert and He Wang and Qian Tao and Claudia Prieto and Michael Markl and Alistair Young and Lianming Wu and Shuo Wang and Chen Qin and Mengsu Zeng and Xihong Hu and Haibo Xu and Xiaobo Qu and Hao Li and Guang Yang and Chengyan Wang},
journal= {arXiv preprint arXiv:2512.21652},
year = {2026}
}
备注
Github: https://github.com/wangziblake/CardioMM_MMCMR-427K