Super-MoCo-MoDL：一种结合了超分辨率和运动校正技术的欠采样深度学习重建框架，适用于3D全心脏磁共振成像（3D whole-heart cardiac MRI）

《Journal of Cardiovascular Magnetic Resonance》：Super-MoCo-MoDL: A combined super-resolution and motion-corrected undersampled deep-learning reconstruction framework for 3D whole-heart cardiac MRI

心脏MRI加速重建框架Super-MoCo-MoDL通过融合运动校正模型深度学习和数据一致性约束的超分辨率技术，实现从低分辨率、多呼吸相 undersampled 数据中重建高分辨率三维心脏图像，扫描时间缩短18倍且保持与高分辨率图像相当的 sharpness。

　　心脏磁共振成像（CMR）作为一种非侵入性和无辐射的影像技术，已经被广泛应用于心血管疾病的评估、诊断和治疗规划中。然而，CMR在实际应用中存在一些挑战，包括较长的扫描时间以及需要对呼吸运动进行校正。这些限制导致其图像分辨率通常低于X射线计算机断层扫描（CT）的分辨率。本研究提出了一种新的框架，名为Super-MoCo-MoDL，结合了先前提出的运动校正模型驱动深度学习重建方法和数据一致性超分辨率技术，以实现高分辨率的3D全心脏CMR图像，同时显著缩短扫描时间。

### 研究背景

心脏磁共振成像（CMR）是一种已经被广泛认可的非侵入性成像方法，能够提供出色的软组织对比度，适用于心血管疾病的研究。然而，传统的CMR技术受到呼吸运动效率低和MRI数据采集速度慢的限制。通常，为了获取心脏的二维切片，需要进行多次呼吸屏气，或者在需要三维全心脏覆盖时，采用膈肌导航门控技术，从而导致扫描时间较长且不可预测。为了克服这些限制，研究人员提出了图像导航器（iNAVs）技术，以提高呼吸运动的效率和预测性。iNAVs技术可以估计和校正呼吸运动，从而允许更高效的扫描。

### 方法概述

本研究提出的Super-MoCo-MoDL框架利用了两种神经网络。第一种网络用于从零填充和零填充的呼吸相位图像中估计非刚性呼吸运动场，第二种网络则用于在迭代运动校正模型中应用这些运动场。具体来说，Super-MoCo-MoDL框架结合了超分辨率（SR）技术和运动校正的模型驱动重建，以提高图像质量并缩短扫描时间。该框架使用交替方向乘子法（ADMM）进行迭代重建，其中每次迭代交替应用超分辨率U-Net和数据一致性校正。

在数据准备阶段，研究人员使用了156个同分辨率的自由呼吸3D数据集进行训练。这些数据集包括全采样和4倍超分辨率的图像，以及4.5倍欠采样和2倍超分辨率的图像。通过这种方式，框架能够处理不同分辨率和欠采样率的数据，从而实现高分辨率3D全心脏图像的重建。

### 实验结果

实验结果显示，Super-MoCo-MoDL框架能够在0.8分钟和2.1分钟的扫描时间内，分别重建1.5毫米和0.9毫米分辨率的全心脏3D图像。这些扫描时间的缩短使得在临床应用中更加可行，同时图像质量与高分辨率采集的图像相当。对于疑似冠状动脉疾病（CAD）的患者，Super-MoCo-MoDL技术能够有效可视化冠状动脉斑块，与CT冠状动脉造影（CTCA）相比，显示出相似的图像质量。

### 临床意义

Super-MoCo-MoDL框架在图像质量评分和血管结构清晰度方面表现出色，与传统的NR-PROST方法相比，其在超分辨率和欠采样方面的结合，使得图像更加清晰和准确。对于疑似CAD的患者，Super-MoCo-MoDL在检测冠状动脉狭窄方面与CTCA结果一致，显示出其在临床诊断中的潜力。然而，研究也指出，该方法在某些情况下可能不如高分辨率图像表现优异，特别是在斑块特征和解剖背景不同的情况下。

### 技术挑战与局限性

尽管Super-MoCo-MoDL在多个方面表现出色，但该研究仍存在一些局限性。例如，研究中采用的疑似CAD患者的测试样本数量相对较少，这可能影响对不同方案（如4倍和2倍超分辨率）的直接比较。此外，虽然训练数据的生成考虑了目标分辨率和欠采样率的匹配，但在实际应用中，目标分辨率可能高于训练数据中的分辨率，这可能导致图像重建性能下降。因此，未来的研究可以进一步评估该框架在更高分辨率数据上的表现。

### 未来展望

本研究为心脏磁共振成像技术的发展提供了新的思路，即通过结合超分辨率和运动校正的模型驱动重建，提高图像质量并缩短扫描时间。尽管存在一些局限性，但Super-MoCo-MoDL框架展示了其在临床应用中的潜力，特别是在需要高分辨率图像的病例中。未来的工作可以进一步探索该方法在不同欠采样模式、目标分辨率、磁场强度以及不同对比度序列中的适用性，以提高其在临床中的通用性和可靠性。

### 总结

综上所述，Super-MoCo-MoDL框架在心脏磁共振成像中展示了显著的优势，特别是在提高图像分辨率和减少扫描时间方面。通过结合超分辨率和运动校正的模型驱动重建技术，该框架能够提供高质量的3D全心脏图像，适用于多种临床情况。尽管存在一些局限性，但其在图像质量和诊断准确性方面的表现，使其成为一种有前景的成像技术，有望在未来的心脏影像学研究和临床应用中发挥重要作用。