[论文解读] Real-Time Cardiac Cine MRI with Residual Convolutional Recurrent Neural Network

Eric Z. Chen, Xiao Chen+5 more|arXiv (Cornell University)|Aug 12, 2020

Advanced MRI Techniques and Applications参考文献 14被引用 5

一句话总结

该论文提出了一种残差卷积循环神经网络（Res-CRNN），用于从高度欠采样的k空间数据中实时重建心脏电影MRI，通过双向ConvRNN与残差连接，结合数据一致性层，以建模心脏的动态运动。在12倍加速的多 coil 临床数据上评估，Res-CRNN在图像质量（噪声和伪影减少更优）和重建速度（快10倍）方面优于压缩感知，且放射科医生更偏好其结果，尽管其锐度评分略低。

ABSTRACT

Real-time cardiac cine MRI does not require ECG gating in the data acquisition and is more useful for patients who can not hold their breaths or have abnormal heart rhythms. However, to achieve fast image acquisition, real-time cine commonly acquires highly undersampled data, which imposes a significant challenge for MRI image reconstruction. We propose a residual convolutional RNN for real-time cardiac cine reconstruction. To the best of our knowledge, this is the first work applying deep learning approach to Cartesian real-time cardiac cine reconstruction. Based on the evaluation from radiologists, our deep learning model shows superior performance than compressed sensing.

研究动机与目标

• 为解决由于无需心电图门控或屏气而需快速采集，导致从高度欠采样的k空间数据中重建高质量实时心脏电影MRI的挑战。
• 克服压缩感知在实时心脏MRI应用中重建速度慢和超参数调优复杂的局限性。
• 开发并验证一种基于深度学习的方法，使用真实多 coil 欠采样实时电影数据，而非模拟或单 coil 数据。
• 不仅从定量角度，还通过放射科医生对图像质量和诊断价值的评估，全面评价重建性能。

提出的方法

• 设计了一种残差卷积循环神经网络（Res-CRNN），包含三层双向ConvRNN，以建模心脏电影序列中的时间动态。
• 在两个层级引入残差连接，以增强高频图像细节的学习并提高训练稳定性。
• 在每个双向ConvRNN内部插入一个额外的2D卷积层，以降低特征图维度并减少GPU显存使用。
• 网络中包含一个数据一致性层，以强制执行k空间约束，提升重建保真度。
• 使用均方误差（MSE）和结构相似性（SSIM）作为损失函数，在回顾性欠采样的回顾电影数据（12倍加速）上进行模型训练。
• 通过根平方和（RSS）方法合并重建后的各线圈图像，并直接将该方法应用于真实多 coil 实时电影数据，无需真实标签。

实验结果

研究问题

• RQ1 深度学习模型能否在高度欠采样的多 coil 数据上，实现比压缩感知更优的图像质量？
• RQ2 与压缩感知相比，所提出的Res-CRNN模型是否能更有效地减少伪影和噪声？
• RQ3 深度学习重建是否显著快于迭代式压缩感知，从而实现临床实用化？
• RQ4 放射科医生是否认为Res-CRNN重建图像在图像质量与运动表现方面与压缩感知相当或更优？
• RQ5 在无完全采样真实标签的情况下，基于回顾电影数据训练的模型能否有效泛化到真实实时电影数据？

主要发现

• 与压缩感知相比，Res-CRNN在噪声、伪影和运动表现方面的放射科医生评分显著更优（p < 0.001）。
• Res-CRNN的锐度评分低于压缩感知（p < 0.001），但这一差异未影响诊断价值，两者间无显著差异（p = 0.48）。
• Res-CRNN的平均重建时间为25.7秒，比压缩感知（318.3秒）快逾10倍。
• 视觉对比显示，Res-CRNN在血池和背景区域更有效地减少了伪影。
• 由于采用全卷积架构，该模型在不同心脏相位和图像尺寸下均表现出强鲁棒性。
• 四位放射科医生之间无显著的评分者间差异（p > 0.1），表明评估结果具有一致性。