编辑推荐：
针对心血管 MRI 扫描时间长、易受运动伪影影响等问题，研究人员开展了无监督 MRI 重建方法研究。提出 DISCUS 方法，通过引入组稀疏扩展 DIP。实验表明其重建质量优于传统方法，为解决全采样数据获取难题提供新途径。
在医学影像领域，磁共振成像（MRI）凭借无电离辐射、软组织对比度高等优势，成为心血管疾病诊断的重要工具。然而，传统心血管 MRI 面临扫描时间长的难题，不仅导致患者不适、检查效率低下，还易因患者呼吸或心脏运动产生伪影，影响图像质量。尤其是延迟钆增强（LGE）成像等动态扫描场景，如何在加速扫描的同时保持高分辨率图像，一直是临床应用的瓶颈。现有方法如压缩感知（CS）和并行成像虽能部分加速扫描，但图像质量提升有限；深度学习方法虽表现出色，却依赖大量全采样数据训练，在动态 MRI 中数据获取难度大，限制了其广泛应用。
为突破这一困境，美国俄亥俄州立大学（The Ohio State University）的研究团队开展了无监督 MRI 重建方法的研究。他们提出一种基于结构化稀疏深度图像先验的方法 ——DISCUS（Deep Image Prior with Structured Sparsity），旨在无需全采样数据的情况下实现高质量 MRI 重建。相关研究成果发表在《Magnetic Resonance Materials in Physics, Biology and Medicine》上，为动态 MRI 的临床应用开辟了新方向。
研究人员主要采用以下关键技术方法：
- 深度图像先验（DIP）扩展：在传统 DIP 基础上引入组稀疏约束于动态编码向量，通过优化网络参数和编码向量，使单个网络能生成多帧图像序列，同时自动发现低维流形以捕捉时间变化。
- 多场景验证实验：设计四组实验，包括动态 Shepp–Logan 幻影仿真、六例数字心脏幻影的 LGE 图像序列对比、八例患者回顾性欠采样数据评估及八例患者前瞻性欠采样数据的专家盲评。
- 定量与定性评估：采用归一化均方误差（NMSE）、结构相似性指数（SSIM）等指标定量分析，结合两位心脏 MRI 专家的五分量表盲评进行定性评估。
研究结果
研究 I：动态幻影实验
通过模拟旋转、平移及混合运动的 128×128 像素 Shepp–Logan 幻影，验证 DISCUS 的流形发现能力。结果显示，对于一维流形（单一运动），DISCUS 在 10 次重复实验中均正确识别流形维度；对于二维流形（混合运动），8 次正确识别为二维，其余两次误判为三维，但 NMSE 值仅比平均值高 0.5 dB。与 CS、L+S、DIP 等方法相比，DISCUS 的 NMSE 低 3–10 dB，SSIM 高 0.05–0.15，显著提升重建精度并抑制噪声。
研究 II：LGE 仿真实验
针对六例 MRXCAT 数字心脏幻影的 LGE 图像，在加速因子 R=2 至 6 下对比各方法。DISCUS 的 NMSE 在 R=6 时达 - 27.59 dB，比次优方法 CS 高 7 dB 以上；SSIM 达 0.958，显著优于其他方法。消融实验表明，组稀疏约束使 DISCUS 在相同帧数下比无组稀疏的 DGS 方法 NMSE 低 3 dB 以上，验证了流形学习的重要性。
研究 III：回顾性欠采样患者数据
对八例患者的临床 LGE 数据进行回顾性欠采样（R=2 至 6），DISCUS 在 NMSE 和 SSIM 上均显著优于 CS、L+S、DIP 及 SG-DIP。例如，R=5 时 DISCUS 的 NMSE 为 - 21.17 dB，比 L+S 低 4 dB，且能保留心肌疤痕等细节，减少块状伪影和噪声放大。
研究 IV：前瞻性欠采样患者数据
八例患者的前瞻性欠采样数据经运动校正（MoCo）后，专家盲评显示 DISCUS 平均得分最高（4.2±0.3），且 11 次被选为最佳重建图像（L+S 为 6 次）。未校正时，DISCUS 的噪声抑制和细节保留优势更明显，表明其在真实临床场景中的稳健性。
结论与讨论
DISCUS 通过组稀疏约束动态编码向量，实现了无监督学习下的流形维度自动发现，突破了传统方法需预设流形维度或依赖数据连续性的限制。其优势在于无需全采样数据训练，适用于自由呼吸 LGE 成像等单激发场景，有效解决了动态 MRI 中数据获取难、运动伪影多的问题。四组实验均表明，DISCUS 在图像质量、噪声抑制和专家评分中显著优于现有方法，为临床快速高分辨率 MRI 提供了新工具。
该研究不仅提升了心血管 MRI 的诊断效率，还为其他动态成像领域（如灌注成像、组织 Mapping）提供了方法借鉴。未来研究方向可聚焦于扩展至更多应用场景、优化流形维度解耦能力，以及进一步缩短重建时间，推动无监督学习在医学影像中的广泛应用。
