CaLID：基于潜在插值扩散模型的心脏磁共振稀疏切片三维全心重建方法

《IEEE/ASME Transactions on Mechatronics》：Latent Interpolation Learning Using Diffusion Models for Cardiac Volume Reconstruction

　　

摘要：

心脏磁共振（CMR）成像对于心血管疾病诊断和治疗管理具有重要意义，但其在短轴位2D切片上稀疏采样的特点导致信息不完整。为了全面评估心脏功能，准确地从这些稀疏切片中重建3D图像是至关重要的。然而，现有方法面临多重挑战，包括依赖预设插值方案（例如线性插值或球面插值）、计算效率低下以及对额外语义输入（如分割标注或运动数据）的依赖。针对上述局限，本文提出了一种新的“心脏潜在插值扩散”（CaLID）框架，具有三项核心创新。首先，我们提出一种基于扩散模型的数据驱动插值方案，能够捕捉稀疏切片之间的复杂非线性关系并提高重建精度。其次，我们设计了一种计算效率更高的方法，在潜在空间进行操作，将生成式3D全心上采样时间加速了24倍，显著降低了与传统方法相比的计算开销。第三，仅以稀疏2D CMR图像作为输入，本方法相比基线方法达到了SOTA性能，避免了形态引导等辅助输入，从而简化了工作流。我们进一步将该方法扩展至2D+T数据，有效建模时空动态并保证时间连贯性。大量三维评估和下游分割任务实验表明，CaLID在重建质量与效率上均表现优异。通过克服现有方法的根本局限，本框架推动了空间与时空全心重建技术的最新进展，为心血管成像提供了一种鲁棒且临床实用的解决方案。代码可在https://github.com/niklasbubeck/calid获取。