Radiology:深度学习，让快速心脏MRI成为可能！

现阶段，心脏MRI已被认为是无创评估心室容积和功能的最佳参考标准。通常情况下，临床上通过使用多次屏气获得多切面的二维cine bSSFP短轴采集以减轻呼吸运动所带来的的伪影。但是，多次屏气的方法耗时较长（完整的短轴覆盖需要5分钟左右），因此在临床上很难大范围推广使用。

近几年，人工智能方法在完成各种医学成像任务方面的前景越来越好。最近，由研究提出了一种基于深度学习（DL）的超分辨率技术，该技术可从低分辨率的短轴扫描中估算出高空间分辨率的心脏MRI bSSFP图像，在健康的成人志愿者中，该方法显示出比最先进的心脏MRI平行成像和压缩传感技术更好的图像质量和左心室容积测定。然而，这种方法还没有在临床上进行优化或前瞻性评估。

近日，发表在Radiology杂志的一项研究使用传统的BSSFP作为参考标准，前瞻性地验证并进一步优化了DL cine序列在儿童和年轻成人中进行自由呼吸心脏MRI扫描以检查结构性或先天性心脏疾病时的临床表现，为临床提供了一个更便捷、适用范围更广的心脏MRI技术，为心脏MRI在临床的进一步广泛应用提供了支持。

本研究利用15次迭代的可分离三维卷积和数据一致性步骤，从线圈灵敏度图中重建定制的12倍加速BSSFP心脏MRI核心图像中开发了一种DL算法。该模型在10名、2名和10名成年志愿者中分别进行了训练、验证和内部测试，基于供应商合作伙伴提供的全采样bSSFP采集。为了进行前瞻性的外部临床验证，从2019年9月到12月，本研究在一家儿童医院接受心脏MRI检查的连续儿童和年轻成人的一次MRI检查中同时进行了传统和高度加速的短轴BSSFP cine采集。由两位放射科医生对所有图像质量进行了五点李克特评分，并手动分割了心内膜和心外膜的轮廓。扫描时间和图像质量的比较采用Wilcoxon排名和检验。用类内相关系数和Bland-Altman分析来评估测量一致性。

共对50名参与者（平均年龄，16岁±4[标准差]；范围，5-30岁；29名男性）进行了评估。加速扫描（非屏气）和BSSFP（不包括屏气时间）的平均规定采集时间为0.9分钟±0.3与3.0分钟±1.9（P < .001）。总体和三维网状图像质量评分分别为：3.8±0.6 vs 4.3±0.6（P<.001），4.0±1.0 vs 4.4±0.8（P<.001）。评分者在所有BSSFP和DL测量之间有很强的一致性，类内相关系数为0.76至0.97，平均差异接近零，而且一致的界限很窄。

图1 图例显示，A-C为bSSFP心脏MRI采集图像，D-F为深度学习（DL）正弦短轴心脏MRI采集图像，用于测量心室容积，两者的诊断图像质量相似，只有细微的对比度差异。A, D, 患有杜氏肌肉萎缩症的10岁男孩的图像。B, E, 患有法洛氏四联症修复后的10岁女孩的图像。C, F, 患有复杂单心室先天性心脏病并接受Fontan术后的18岁女性的图像。

本研究表明，采用深度学习（DL）重建的高度加速心脏MRI成像可在采集时间和序列时间明显缩短的情况下，获得与参考标准的bSSFP MRI序列相似的图像质量，并在双心室容积、功能以及左心室质量估计方面取得了相似的效果，拓宽了心脏MRI在临床上的应用，并为有需要的患者提供更简便的影像学检查。

原文出处：

Evan J Zucker,Christopher M Sandino,Aya Kino,et al.Free-breathing Accelerated Cardiac MRI Using Deep Learning: Validation in Children and Young Adults.DOI:10.1148/radiol.2021202624