多视角膝关节MRI运动伪影去除配对数据集KMAR-50K的构建与验证

本研究针对膝关节MRI因长时间采集导致的运动伪影问题，由四川大学华西医院与上海联影智能团队联合构建了全球首个多视角、多序列配对膝关节MRI数据集KMAR-50K（含62,506张图像）。通过DDPM、EDSR和U-Net三种模型验证，发现U-Net在横断面图像表现最优（PSNR=28.468，SSIM=0.927），且推理速度最快（0.5秒/体积），为临床MRI质量提升提供了标准化基准。

　　

在临床诊断中，膝关节磁共振成像(MRI)被誉为"黄金标准"，但其漫长的扫描过程就像让患者在摄影棚里保持15分钟不动——稍有晃动，图像就会出现类似重影照片的运动伪影。这些"模糊的影像"可能导致误诊，而重复扫描又加剧了医疗资源紧张。更棘手的是，婴幼儿、帕金森患者等特殊人群根本无法配合长时间扫描，使得运动伪影成为困扰放射科医师多年的技术瓶颈。

电子科技大学附属四川省人民医院放射科的王玉婷团队联合上海联影智能，在《Scientific Data》发表了突破性解决方案。研究人员历时三年收集了1,190例患者的1,444对膝关节MRI扫描数据（含运动伪影图像与重扫描后的真实图像），构建了全球规模最大的膝关节运动伪影去除基准数据集KMAR-50K。通过创新性地采用N4偏置场校正、最大最小归一化和ANTs同步配准技术，实现了62,506张图像的标准化处理。研究团队验证了三种主流算法，发现U-Net在保持临床实用性的同时，其横断面图像质量接近完美（SSIM>0.92），推理速度比传统方法快18倍。

关键技术包括：1）多中心1.5T/3.0T设备采集的PD-TSE等多序列数据；2）基于ANTs工具包的图像空间配准；3）采用L1损失函数和Adam优化器的深度学习框架；4）通过PSNR、SSIM等6项指标进行量化评估。

【背景与摘要】
研究揭示了当前公开数据集（如fastMRI）缺乏配对运动伪影数据的缺陷，通过纳入87%西门子设备和13%联影设备数据，确保了技术泛化性。

【方法】
创新性地采用"固定-移动"图像配准策略，将真实图像映射至伪影图像空间，解决了因患者体位变化导致的解剖结构偏移问题。

【数据记录】
数据集按9:1比例划分为训练集（1,341序列）和验证集（103序列），额外包含86例独立测试集，文件以NIfTI格式存储并标注处理阶段标识。

【技术验证】
横断面图像修复效果最佳（U-Net的PSNR达28.468），而矢状面表现最差，揭示了各向异性运动伪影的修复难度差异。值得注意的是，EDSR虽在PSNR指标领先（27.704），但其9秒/体积的推理速度难以满足临床实时需求。

这项研究的意义不仅在于填补了运动伪影矫正领域的标准数据空白，更开创了"临床问题驱动-数据标准化-快速算法验证"的新型研究范式。数据集特别标注的扫描参数（如层厚3.5-5.0mm）和放射科医师主观评分（ICC>0.86），使其成为评估新型AI算法的理想基准。未来结合潜在扩散模型（如Latent Diffusion）加速技术，有望实现MRI"一次扫描即可诊断"的临床革命。