基于解耦表征学习模型的自由呼吸实时心脏 MRI 联合图像重建与分割

一种基于解耦表征学习的联合图像重建与分割方法经训练后，能够在实时和自由呼吸条件下进行心脏电影磁共振成像。一项探索性可行性研究基于自主开发的螺旋 bSSFP 脉冲序列，在八名健康参与者和五名阵发性心房颤动患者的欠采样实时采集中测试了该方法。将图像和预测的左心室分割与重复屏气下心电门控分段笛卡尔电影成像的参考标准及相应的人工分割进行了比较。在 5 点 Likert 量表上，实时屏气方法和笛卡尔电影成像在健康参与者中的图像质量相当（RT-BH：1.99 $\pm$ .98，Cartesian：1.94 $\pm$ .86，p=.052），但在自由呼吸中略逊一筹（RT-FB：2.40 $\pm$ .98，p<.001）。在心律失常患者中，两种实时方法的图像质量均更具优势（RT-BH：2.10 $\pm$ 1.28，p<.001，RT-FB：2.40 $\pm$ 1.13，p<.001，Cartesian：2.68 $\pm$ 1.13）。观察者内信度良好（ICC=.77，95% 置信区间 [.75, .79]，p<.001）。在功能分析中，与临床参考标准相比，由所提模型得出的射血分数观察到正向偏差（RT-BH 平均 EF：58.5 $\pm$ 5.6%，偏差：+3.47%，95% 置信区间 [-.86, 7.79%]，RT-FB 平均值：57.9 $\pm$ 10.6%，偏差：+1.45%，[-3.02, 5.91%]，Cartesian 平均值：54.9 $\pm$ 6.7%）。所引入的实时磁共振成像技术能够在 1-2 分钟内获取高质量的心脏电影数据，无需心电门控和屏气。因此，它为当前临床实践中的分段采集提供了一种有前景的替代方案，具有扫描时间更短、患者舒适度更高以及对心律失常和患者不配合的鲁棒性更强的优点。