《Journal of Imaging Informatics in Medicine》：Clinical Implementation and Validation of Automated Slice-to-Volume Reconstruction for Fetal MRI Using a Vendor-Neutral MONAI-Based Imaging Informatics Pipeline
编辑推荐：
本研究旨在评估一种完全自动化的、供应商中立的成像信息学流水线的临床性能和操作可靠性，该流水线利用开源医学开放人工智能网络（MONAI）Deploy Express、DICOM路由和PACS返回，用于胎儿MRI的切片到体积重建。在这项回顾性实施研究中，2025年
本研究旨在评估一种完全自动化的、供应商中立的成像信息学流水线的临床性能和操作可靠性，该流水线利用开源医学开放人工智能网络（MONAI）Deploy Express、DICOM路由和PACS返回，用于胎儿MRI的切片到体积重建。在这项回顾性实施研究中，2025年10月至12月期间在三级胎儿护理中心进行的连续单胎胎儿MRI检查，由DICOM路由触发的MONAI Deploy Express流水线进行处理。该流水线利用常规单次激发快速自旋回波（SSFSE）输入，自动进行序列选择和运动校正的SVR重建，用于胎儿脑部和体部成像。重建后的体积返回PACS供放射科医生审阅。三位经过专科培训的胎儿放射科医生使用5点Likert量表独立对重建质量进行评分。主要结局包括检查层面的重建可接受性、读者间可靠性、失败模式，以及过渡到最终生产工作流后PACS可用的操作时间。在67次触发的检查中，2次属于技术性工作流事件，被排除在临床性能分析之外，剩余65次检查用于图像质量评估。平均孕周为28.9周（范围19-36周），大多数胎儿存在结构异常。脑部SVR在59/65次检查（90.8%）中被评为“通过或更高”，体部SVR在57/65次检查（87.7%）中被评为“通过或更高”。脑部（ICC，0.93）和体部（ICC，0.92）重建质量评估的读者间可靠性极好。重建失败主要与输入堆叠欠佳或不足、胎儿严重运动、羊水极端情况、复杂解剖扭曲以及孕周过早相关。在最终生产集成后的57次连续处理检查中，脑部SVR的PACS可用时间中位数为10分28秒，体部SVR为11分50秒。使用基于DICOM、供应商中立的部署架构并与常规PACS工作流集成，自动胎儿MRI SVR在操作上是可行的。在这个单中心、单一供应商队列中，该流水线在临床可行的时间范围内返回了放射科医生可接受的重建结果。需要多供应商和比较性读者研究来确定几何准确性、通用性和诊断获益。
**研究背景与目的**
胎儿MRI在评估胎儿结构异常方面发挥着重要作用，可为超声提供补充诊断信息。然而，胎儿运动和母体呼吸导致的运动伪影是影响图像质量的主要问题，在羊水过多及孕周较小时尤为显著。为减轻运动影响，常规MRI协议依赖多次快速单次激发快速自旋回波（SSFSE）多平面采集，但由此产生数百至数千幅图像，给判读带来负担。切片到体积重建（SVR）技术可回顾性纠正层间运动，从多个二维堆叠重建各向同性三维体积，从而改善解剖可视化并支持标准化测量。然而，现有SVR方法多数需要手动选例、离线处理或专门研究基础设施，难以整合进常规临床工作流。虽有扫描仪集成方案，但受限于特定供应商。为此，研究人员利用开源医学开放人工智能网络（MONAI）框架，构建了基于DICOM路由、MONAI Deploy Express（MDE）编排及PACS返回的全自动、供应商中立的SVR流水线，并评估其临床性能与操作可靠性。
**研究方法**
这是一项回顾性实施研究，纳入2025年10月至12月间某三级胎儿护理中心连续进行的单胎胎儿MRI检查。所有图像均使用Philips 1.5T扫描仪（Ingenia与Ambition型号）按标准T2加权协议采集。SVR采用伦敦国王学院（KCL）开发的开源切片到体积重建工具包（SVRTK），封装为独立的脑部和体部MONAI应用包（MAPs，版本0.0.3），由MDE 0.6.1在CPU服务器上并行编排运行。DICOM路由器（Compass）根据“MRI FETAL, SINGLE”研究描述及预定义序列描述模式筛选符合条件的T2序列，将匹配系列转发至MDE实例。MAP内部自动排除少于10幅图像的定位像，优先选择符合标准的SSFSE堆叠，执行运动校正及各向同性0.8 mm分辨率重建。重建输出以DICOM格式通过路由器返回PACS。三位胎儿放射科医生采用5点Likert量表（1=失败/无法诊断，2=通过/可诊断但欠佳，3=可接受诊断质量，4=良好诊断质量伴轻微局限，5=优秀重建质量）独立评估脑部和体部重建。主要结局包括重建可接受性、读者间可靠性、失败模式及最终生产工作流下的PACS可用时间。统计采用ICC3k评估一致性。
**结果**
**患者特征**：67次触发检查中，2次为技术性工作流事件（外部上传的非标准命名研究）被排除，剩余65次用于图像质量分析。平均孕周28.9周（范围19-36周），仅2例胎儿结构正常，其余均存在脑部、胸部、腹部或多系统结构异常。
**重建时间**：在最终生产配置下，对57次连续处理检查的测量显示，脑部SVR的PACS可用时间中位数为10分28秒（IQR 6分03秒），体部SVR为11分50秒（IQR 7分12秒）。
**重建结果与读者间可靠性**：以三位放射科医生评分的平均值作为检查层面结局，脑部SVR中59/65（90.8%）达到“通过或更高”，其中69.2%被评为“优秀及以上”；体部SVR中57/65（87.7%）达到“通过或更高”，其中38.5%被评为“优秀及以上”。脑部重建的ICC3k为0.933（95% CI 0.90-0.96），体部为0.922（95% CI 0.88-0.95），显示极好的读者间可靠性。
**失败模式分析**：共识性失败分析显示，最常见原因是输入堆叠不足或质量欠佳（如严重运动退化、可诊断堆叠数量或方向多样性不足），其次为胎儿严重运动、羊水极端情况（如羊水过多或过少）、复杂病理导致的严重解剖扭曲，以及孕周过早（20周）。所有归因于输入不足的失败均确认路由及序列选择正确，反映的是源数据固有局限；有5例脑部和体部重建同时失败。
**讨论与结论**
研究人员认为，本研究的主要贡献在于将现有开源SVR工具操作化，通过集成DICOM路由、容器化算法和PACS返回，实现了无需手动干预的全自动临床工作流。该架构依赖标准DICOM协议和集中式推理节点，不绑定特定扫描仪供应商，因此具有更广泛的适用性。验证队列以复杂胎儿病理为主，重建成功率仍较高，表明SVR在复杂病例中具有临床实用性。失败分析提示，输入数据的质量和一致性是成功部署的关键，未来可通过优化自动堆叠选择、设定最小堆叠阈值来进一步降低失败率。局限性包括：单中心、单一供应商（Philips）数据；采用放射科医生主观评分而非定量几何精度指标；未评估SVR对诊断准确性或临床决策的影响；处理时间基于CPU配置，未进行负载压力测试。结论：该基于DICOM的供应商中立部署架构使自动胎儿MRI SVR在操作上具备可行性，能够在临床可接受的时间范围内返回放射科医生可接受的重建结果；但尚需多供应商和比较性读者研究来确立几何准确性、通用性及诊断获益。
