利用深度学习重建技术（SwiftMR）提高尸检磁共振成像（postmortem MRI）的信噪比

《Forensic Science International》：Signal-to-noise ratio improvement in postmortem MRI using deep learning reconstruction (SwiftMR)

本研究评估了SwiftMR在低场（0.3T）尸检头MRI中的应用效果，通过33例尸检发现其显著提升T1、T2及T2*加权像的信号噪声比（SNR提升均p<0.001）和视觉评分（7.5±1.0 vs 3.2±0.8），证实该深度学习重建技术可在不延长扫描时间的情况下改善低场MRI图像质量，为尸检影像学提供实用补充。

　　

秀树·广户（Hideki Hyodoh）| 正吾·新桥（Shogo Shimbashi）| 马吕山·力也（Rikiya Maruyama）| 安田·隆也（Takuya Yachida）

日本福井大学医学院法医学系

摘要

死后成像已成为死亡调查的重要手段，其中计算机断层扫描（PMCT）作为一种快速且客观的筛查工具被广泛采用。然而，死后磁共振成像（PMMRI）在常规法医实践中的应用仍然有限，主要原因是采集时间较长，且在时间紧迫的情况下需要高质量图像。SwiftMR?（AIRS Medical，首尔，韩国）是一款基于深度学习的重建软件，通过去噪和多维k空间优化来提高磁共振图像质量，从而在不延长扫描时间的情况下提升信噪比（SNR）。尽管该技术已商业化并在临床中使用，但其在校死后成像中的应用效果尚未有相关报道。本研究使用低场（0.3 T）扫描仪评估了SwiftMR对死后头部MRI信噪比和图像质量的影响。共分析了33例连续病例（20名男性，13名女性；年龄范围33–92岁，平均年龄75.2岁），采用固定协议获取T1WI、T2WI和T2*WI图像，总检查时间不超过15分钟。图像使用SwiftMR（v3.0.11.0）进行处理，并由三名盲法观察者通过ROI基信噪比测量和视觉评分进行评估。结果显示，SwiftMR显著提高了所有序列的信噪比（T1WI、T2WI和T2*WI；p<0.001），而平均信号强度除T2WI略有下降外没有显著差异，这归因于Rician/Rayleigh偏差的校正。SwiftMR处理后的图像质量视觉评分显著提高（7.5±1.0 vs 3.2±0.8；p<0.001）。总之，基于深度学习的SwiftMR重建方法能够在不增加扫描时间的情况下有效提升低场死后MRI的图像质量和信噪比，这可能有助于推动死后MRI在常规法医调查中作为PMCT的实用补充手段得到更广泛的应用。

引言

死后计算机断层扫描（PMCT）已成为法医实践中的常用成像方法，广泛应用于突发或不明原因死亡的调查[1]、[2]、[3]。PMCT具有快速采集、广泛可用性以及出色的骨骼损伤、气体分布和出血可视化能力，是传统尸检的宝贵补充[2]、[4]、[5]。

相比之下，死后磁共振成像（PMMR）在常规法医实践中的使用仍较为有限。尽管PMMR在软组织对比度方面具有优势，尤其在评估大脑[6]、脊髓和软组织病理[7]、[8]方面具有价值，但若干实际限制限制了其广泛应用。这些限制包括扫描仪供应不足、成本较高、物流复杂以及采集时间较长（相比PMCT）。此外，死后组织变化和温度依赖的信号变化也带来了技术挑战。

长时间采集也是临床MRI的一个公认问题[8]。近年来，基于人工智能（AI）的重建技术被开发出来，旨在在减少采集时间的同时提高图像质量[9]、[10]。这些方法利用深度学习算法抑制噪声并重建信噪比更高的图像，从而实现更快的扫描流程而不影响诊断质量。

SwiftMR就是这样一种基于深度学习的重建方法，旨在通过降低噪声和提高信噪比来改善磁共振图像质量。在临床MRI中，已有研究表明SwiftMR有可能加速图像采集同时保持图像质量；然而，其在死后MRI中的适用性尚未得到系统评估。

在法医环境中，提高低场MRI系统的图像质量尤为重要，因为专用死后扫描仪通常在较低磁场强度下运行，且采集时间受到实际工作流程的限制。

因此，本研究的目的是评估SwiftMR在死后脑部MRI中的可行性和技术性能。具体而言，我们探讨了基于深度学习的重建方法是否能够在不增加采集时间的情况下提升低场（0.3 T）死后MRI的信噪比和整体图像质量。

研究人群

研究人群

2024年12月至2025年7月期间，我们的机构为法医成像目的进行了33例死后头部MRI检查（20名男性，13名女性；年龄范围33–92岁；平均年龄75.2岁；死亡后间隔时间0.5–70天；中位数1.0天）。排除了因体袋表面金属颗粒或金属部件引起的伪影的病例（n=2）以及参数设置错误的病例（n=1）。

成像时间

所有扫描均采用固定协议进行，各病例的采集时间如下：

定位扫描34秒；T2WI 2分28秒；T1WI 3分04秒；T2*WI 3分01秒。

包括受试者定位和头部线圈设置，整个过程在每例病例中均在15分钟内完成。

磁共振信号强度

各序列的平均信号强度值总结见表1。SwiftMR处理前后的T1WI和T2*WI图像平均信号强度无显著差异。

讨论

本研究表明，基于深度学习的SwiftMR重建方法能够在低场（0.3 T）系统中快速获取死后MRI图像，同时提高信噪比和图像质量，且不会显著改变图像的原始特征。

在本研究中，将SwiftMR应用于死后头部MRI后，图像质量和信噪比均有明显改善。由于SwiftMR不局限于特定解剖区域，理论上可以将其应用于

作者贡献声明

秀树·广户（Hideki Hyodoh）：撰写——审稿与编辑、撰写——初稿、图像可视化、验证、监督、软件开发、资源协调、项目管理、方法学设计、研究实施、资金获取、数据分析、概念构思。安田·隆也（Takuya Yachida）：资源协调、项目管理、研究实施、数据管理。马吕山·力也（Rikiya Maruyama）：资源协调、数据分析。正吾·新桥（Shogo Shimbashi）：方法学设计、研究实施、数据管理。

利益冲突声明

作者声明与本研究无任何利益冲突。

致谢

本研究得到了JSPS KAKENHI（日本学术振兴会）资助（项目编号：JP23K07204）的支持。