摘要：四维血流磁共振成像技术（4D-flow MRI）可以无创、准确地测量出人体内血流速度，并提供精准详细的血流动力学分析结果，有助于多种心血管疾病的诊断和评估。然而，4D-flow MRI在临床上的应用仍然受限，除了相对复杂的后处理以及可视化流程之外，较长的扫描时

基于部分独立生成器以及复数差稀疏性的自监督方法，实现高加速倍数、强泛化能力的快速四维血流磁共振图像重建

近期，清华大学生物医学工程学院生物医学影像研究中心在医学影像领域顶级期刊《Medical Image Analysis》上发表题目为“Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint”的论文：

（

博士生李中森为论文第一作者，生物医学影像研究中心李睿教授为论文通讯作者。

研究背景

四维血流磁共振成像技术（4D-flow MRI）可以无创、准确地测量出人体内血流速度，并提供精准详细的血流动力学分析结果，有助于多种心血管疾病的诊断和评估。然而，4D-flow MRI在临床上的应用仍然受限，除了相对复杂的后处理以及可视化流程之外，较长的扫描时间是其在实践应用中的主要问题之一，亟需开发快速的4D-flow MRI成像技术。此外，人体内不同部位在血管形态和血流流速分布上存在显著的差异，并且难以获取高质量的满采训练数据，这给快速4D-flow MRI重建算法带来了挑战。

研究方法

本研究试图从自监督学习的路径出发，解决上述难题。本研究首先从计算机视觉中的深度图像先验出发，通过利用卷积神经网络本身的归纳偏置来提供图像上的视觉先验。其次，由于4D-flow MRI数据量庞大、信息丰富，对于生成器的表达能力提出了挑战；为此我们提出一种全新的基于部分独立结构的卷积解码生成器，通过在生成过程中对时域和空间域的特征进行部分的分离，能够有效地降低计算代价，并且提高模型效率以及生成性能。最后，我们将相位对比血流成像中独特的复数差稀疏性，创新性地融合进了自监督模型当中，构建了一个生成-稀疏联合约束的重建模型，并导出了一种基于ADMM的迭代算法对该模型进行求解。该算法主要分为两个步骤，其一是对生成器进行预训练；其二是利用预训练的生成器作为算法初始化解，通过生成-稀疏联合迭代算法进一步增强图像质量。

图 1. 部分独立生成器网络结构

图 2. 预训练-ADMM微调的两阶段自监督重建优化算法

实验与结果

实验数据：在心主动脉，以及颅内动脉两个部位分别采集4D-flow MRI数据集。每个数据集包含12名志愿者（3.0 T磁共振设备扫描）。

降采倍数：最高达16倍。

对比方法：L+S-Hadamard（基于L+S的低秩-稀疏传统算法），PS-CD（基于部分可分离模型以及复数差稀疏性的传统算法），CD-DL（模值图和复数残差分别独立学习的深度学习算法），FlowVN（基于迭代展开变分网络的深度学习算法）。

评价指标：幅值图的重建误差指标（均方误差

，平均绝对误差）以及血流流速矢量场的量化误差指标（速度模值的均方根误差

，速度方向的平均夹角误差）。

图 3. 所提出的方法与其他方法在16倍加速下的结果对比

图 4. 所提出的方法与其他方法在16倍加速下，在升降主动脉处的心动周期血流对比

图 5. 所提出的方法与其他方法，在颅内动脉瘤患者上进行泛化性能测试，实验结果对比

论文亮点

无需满采数据，无需数据集，在单例降采数据上即可完成重建

部分独立结构的生成器，显著提高生成性能，并降低计算量

生成-稀疏联合约束的重建模型，以及预训练-ADMM微调的二阶段优化算法，可实现生成器与4D-flow MRI图像的交替式高效优化

在心主动脉以及颅内动脉上进行独立实验和交叉实验，具备良好的重建以及泛化性能

作者简介

李中森 ：博士研究生，主要研究方向为心血管磁共振快速成像以及图像重建技术。

李睿 ：2000年和2005年分别在清华大学电子工程系获得工学学士和博士学位，2009年在美国西雅图华盛顿大学血管成像实验室做博士后研究， 2011年任清华大学医学院生物医学工程系副研究员、研究员, 生物医学影像研究中心执行副主任。目前主持国自然面上、十三五重点专项、北京市科技计划、北京市自然基金重点专项、清华大学自主研发项目各6项，横向项目4项、参与其他项目10余项。发表学术论文100余篇，其中SCI收录80余篇，专利10余项，会议论文200余篇。 担任中国体视学学会磁共振成像分会主任委员、中国研究型医院学会磁共振影像分会委员、副秘书长、中国医学装备协会磁共振专委会委员、中国卒中学会脑血流与代谢分会委员、中国自动化学会智能健康与生物信息专委会委员、中国AI产学研创新联盟理事。研究方向为基于人工智能技术的心脑血管疾病磁共振成像技术的全链条创新。

来源：云阳好先生做实事