Fast and Robust Single‑Shot Cine Cardiac MRI Using Deep Learning Super‑Resolution Reconstruction.
研究背景
平衡稳态自由进动（bSSFP）电影成像是心脏MRI评估心功能的金标准方案，但传统多拍序列需多次屏气、采集时间长，对心律失常或屏气能力差的患者易产生运动伪影，影响诊断准确性。现有单拍成像加速方案时序分辨率不足，因此本研究尝试将深度学习超分辨率算法与单拍压缩感知bSSFP电影成像结合，与标准序列对比验证其采集效率与诊断质量。
方法速览
本研究为前瞻性试验，纳入有临床心脏MRI检查指征的患者，在1.5T磁共振系统上分别采集标准多拍bSSFP电影成像、单拍压缩感知bSSFP电影成像数据，采用原型深度学习算法完成单拍数据的超分辨率重建。图像质量评估包含主观5分Likert量表（血液‑心肌对比度、心内膜边缘定义、伪影负担）、客观参数（表观信噪比、表观对比噪声比、边缘上升距离），同时测量左心室功能与体积参数验证两种方法的一致性。
核心研究结果
扫描时间大幅缩短：深度学习重建单拍（DL‑SSH）序列总扫描时间较标准序列减少65%（92±8s vs 265±33s，P<0.0001），纯采集时间减少52%，屏气次数显著降低，整体检查效率大幅提升。
图像质量非劣且部分指标更优：DL‑SSH序列图像质量符合非劣效标准，其中心内膜边缘定义、图像锐度显著优于标准序列，对比度、伪影负担与标准序列无统计学差异。
心功能参数一致性高：Bland‑Altman与Pearson相关分析显示，DL‑SSH与标准序列测得的左心室射血分数等功能参数高度一致，射血分数相关系数达0.95（P<0.0001），可满足临床诊断需求。
挑战性患者群体收益更高：在心律失常、屏气能力差的患者亚组中，DL‑SSH序列的图像质量、伪影控制表现显著优于标准序列，诊断价值更高。
研究局限与展望
本研究首次验证了深度学习超分辨率在单拍心脏电影MRI中的应用价值，为快速、鲁棒的心脏MRI检查提供了新方案，可有效提升疑难患者的检查成功率。但研究仅评估了短轴视图成像，样本量较小、为单中心试验，重建软件尚处原型阶段，后续需更大规模多中心研究验证其临床普适性。