面向自由呼吸心脏赛氏 MRI 的运动稳健深度重建
图像与视频处理
2026-05-21 v1 机器学习
摘要
传统心脏赛氏 MRI 依赖于屏气呼吸的笛卡尔获取方式，易受运动伪影影响，且对儿童及其他不能可靠屏气的患者不适。自由呼吸径向获取可缓解这些限制，但在高加速情况下鲁棒重建仍具挑战性 due to prominent streak artifacts。为此，我们提出了 Cine-DL，一个临床导向的框架，将针对性的 k 空间预处理与快速、基于模型的深度重建相结合。在该流程中，原始自由呼吸径向数据经回溯心脏分箱和呼吸门控后，以解析心脏相位并丢弃受运动污染的弧段。随后，我们引入了Streak Optimized Coil Compression（SOC），显式保留心脏信号同时抑制通常驱动条纹伪影的外周干扰。得到的 2D+t 赛氏系列经由交替使用 ResNet 近端算子和基于共轭梯度求解的物理数据一致性更新的展开网络重建。我们进一步采用内存高效训练策略以降低峰值内存占用。我们在自由呼吸志愿者数据上对 Cine-DL 进行评估，与既定基线（k-t SENSE 和 iGRASP）进行比较，并通过在新获取的患者数据上的医院部署实现临床转化。我们的实验表明，Cine-DL 在定量指标和视觉保真度方面均显著提升，为实现常规、面向时间的自由呼吸赛氏 MRI 重建提供了可行路径。
引用
@article{arxiv.2605.20687,
title = {Motion-Robust Deep Reconstruction for Free-Breathing Cardiac Cine MRI},
author = {Mahmut Yurt and Kanghyun Ryu and Zhitao Li and Xucheng Zhu and Xianglun Mao and Martin Janich and Marcus Alley and Kawin Setsompop and John Pauly and Shreyas Vasanawala and Ali Syed},
journal= {arXiv preprint arXiv:2605.20687},
year = {2026}
}