由Yueyan Bian, Long Wang, Jin Li, Xiaoxu Yang, Erling Wang, Yingying Li, Yuehong Liu, Lei Xiang和Qi Yang共同完成的一项关于提升便携式低场强磁共振成像在缺血性脑卒中病灶定量评估能力的研究，于2025年7月发表在《Stroke》期刊上。这项研究的主要作者来自首都医科大学附属北京朝阳医院放射科以及Subtle Medical公司研发部门。
本研究隶属于医学影像学与人工智能交叉领域，具体聚焦于缺血性脑卒中的神经影像诊断。研究的背景源于临床实践中的一个重要矛盾：一方面，磁共振成像，特别是弥散加权成像，因其高达95%-100%的敏感性，在检测和定量评估缺血性脑卒中病灶方面显著优于计算机断层扫描，且基于磁共振成像的卒中患者分诊已被证实能带来更好的临床结局。另一方面，传统高场强磁共振成像设备价格昂贵、检查时间长，使其在卒中评估中的广泛应用受到限制，尤其是在资源有限的环境中。便携式低场强磁共振成像由于其低成本、易安装、对停电耐受性强以及可缩短患者入院后转运时间的优势，被视为解决上述限制的潜在方案。然而，低场强磁共振成像的空间分辨率和信噪比显著低于高场强设备，这导致其对小缺血性病灶的敏感性下降，并缺乏可靠的定量评估能力。因此，提升低场强磁共振成像的图像质量至关重要。
近年来，基于深度学习的超分辨率技术为增强医学图像质量提供了新途径。该技术已展现出提升低场强磁共振图像在脑结构定量形态测量、结构分割以及去噪方面的潜力。基于此，本研究团队旨在探索一种基于深度学习的超分辨率框架，用于从低分辨率的低场强磁共振图像生成合成的高分辨率图像，并评估这种合成图像在检测和定量评估缺血性病灶方面的诊断性能。具体研究目标是比较低场强磁共振、合成超分辨率磁共振以及真实高场强磁共振图像在诊断缺血性病灶方面的表现，验证合成超分辨率图像能否有效弥合低场强与高场强设备之间的性能差距。
本研究的详细工作流程包括多个严谨的环节。首先，研究团队进行了一项回顾性队列研究，纳入了2021年12月至2024年1月期间入院的参与者。研究共纳入了178名卒中患者和104名健康对照者，所有参与者均接受了便携式低场强磁共振和标准高场强磁共振检查，且两次检查间隔时间小于30分钟。卒中患者需满足年龄在18至90岁之间、症状出现后3周内入院并具有完整临床信息等标准。健康对照者则需无影像学可见病灶、无神经系统或精神疾病史。为确保数据平衡和模型评估效果，健康对照者与患者在年龄和性别上进行了匹配。所有参与者的图像均在0.23T和3T两种磁共振扫描仪上获取，并采集了弥散加权成像序列用于后续分析。
图像处理阶段，所有低场强和高场强图像均使用FSL软件的FLIRT工具配准到相应患者的高场强弥散加权成像序列，并重采样至256×256矩阵。随后，分别基于配准后的低场强、高场强以及后续生成的合成图像计算出表观扩散系数图。整个数据集被划分为训练集和测试集，训练集占64.2%，用于对预训练模型进行微调，测试集占35.8%，用于评估模型的最终性能。两个集合保持了患者与健康对照者比例的相似性以及病灶大小的相似分布。
本研究的核心在于开发和部署深度学习模型。研究团队采用了名为SCUNet的深度学习架构，该模型融合了Swin Transformer和卷积神经网络的优势，结合了残差连接与U-Net主干网络，旨在同时捕捉图像的局部和全局特征，以提升超分辨率重建的效果。模型的训练分为两个关键步骤。第一步是预训练：研究团队利用来自IXI和M4Raw等大型开源磁共振影像数据集对SCUNet模型进行预训练。这些数据集包含多种模态、多种场强的图像，使模型能够从广泛的磁共振图像中学习通用特征。预训练过程中，通过模拟退化过程生成低质量-高质量图像对供模型学习。第二步是微调：将预训练好的SCUNet模型在本次研究收集的配对低场强和高场强图像数据集上进行微调，使其适应特定的0.23T至3T的图像转换任务。模型使用结合了L1损失和结构相似性指数的损失函数进行优化，以确保生成图像在像素精度和感知质量上都接近真实高场强图像。
在模型应用与评估阶段，测试集中的图像经过SCUNet模型处理，生成合成超分辨率磁共振图像。随后，由六名经验丰富的神经放射科医生分别对测试集中的低场强、合成超分辨率和高场强图像进行缺血性病灶的检测和定位评估。为了评估观察者间和观察者内的一致性，研究设计了专门的图像分配和复评策略。病灶的定量评估包括：计算基于弥散加权成像的阿尔伯塔卒中项目早期CT评分和基于弥散加权成像的后循环阿尔伯塔卒中项目早期CT评分；使用专门的软件生成病灶分割掩模，并据此测量每个缺血性病灶的体积；在表观扩散系数图上测量病灶区域内的平均表观扩散系数值。
数据分析采用了一系列统计方法。观察者一致性使用Cohen’s κ系数评估。以高场强磁共振图像为金标准，使用McNemar检验比较低场强和合成超分辨率图像在检测病灶方面的敏感性、特异性等诊断性能指标。对于评分、病灶体积和平均表观扩散系数值的定量指标，使用组内相关系数、一致性相关系数、皮尔逊相关系数以及Bland-Altman分析来评估低场强和合成超分辨率图像与高场强图像之间的一致性，并使用Steiger Z检验比较相关系数的差异。此外，考虑到卒中后不同时期病灶的影像特征不同，研究还分层分析了在早期超急性期、晚期超急性期、急性期和亚急性期不同阶段，合成超分辨率图像的表现。
研究取得了多项重要结果。在病灶检测性能方面，以高场强磁共振为金标准，合成超分辨率磁共振图像显示出显著优于原始低场强图像的能力。对于病灶数量的检测，合成超分辨率图像的敏感性为89.0%，特异性为91.3%，均显著高于低场强图像的77.1%和71.0%。在病灶定位（涉及2020个脑区评估）方面，合成超分辨率图像的敏感性高达97.4%，特异性为99.2%，同样显著优于低场强图像。这一结果表明，超分辨率处理显著提升了低场强图像识别真实病灶并排除假阳性的能力。
在病灶定量评估的一致性方面，合成超分辨率图像与高场强图像展现出了高度的一致性，且均显著优于低场强图像。具体而言，在评估前循环阿尔伯塔卒中项目早期CT评分时，合成超分辨率图像与高场强图像的组内相关系数高达0.952，一致性相关系数为0.948，而低场强图像的对应值分别为0.797和0.780。对于后循环评分，合成超分辨率图像的组内相关系数和一致性相关系数也显著更高。在测量病灶体积和病灶内平均表观扩散系数这两个关键定量指标上，合成超分辨率图像与高场强图像的组内相关系数均大于0.85，皮尔逊相关系数均大于0.78，表现出极好的相关性；而低场强图像的组内相关系数仅为0.453和0.656，相关性较弱。Bland-Altman分析进一步证实，合成超分辨率图像在测量病灶体积和表观扩散系数值时，与高场强图像的平均偏差更小，95%一致性界限范围更窄。
分层分析揭示了合成超分辨率技术在不同卒中时期的独特价值。研究发现，虽然低场强图像在晚期超急性期评估评分和病灶体积时表现出尚可的一致性，但在早期超急性期和亚急性期，其与高场强图像的一致性显著下降。这主要是因为早期超急性期病灶在弥散加权成像上的信号增高不明显，而亚急性期信号又可能下降，低场强图像固有的高噪声水平使得这些病灶难以识别。相比之下，合成超分辨率图像在所有分期均保持了与高场强图像的高度一致性，特别是在早期超急性期和亚急性期，其对于病灶体积评估的组内相关系数分别达到了0.994和0.985，显著高于低场强图像的0.359和0.844。这表明深度学习超分辨率方法不仅提升了图像分辨率，还有效降低了噪声，保留了关键病灶特征，使其在不同病理生理阶段的病灶检测和定量中均更为可靠。
基于以上结果，本研究得出结论：基于深度学习的合成超分辨率磁共振图像与真实高场强磁共振图像在检测和定量评估缺血性病灶方面具有高度一致性，且其性能显著优于原始的低场强磁共振图像。该技术尤其能够提升对早期超急性期和亚急性期病灶的评估能力。因此，合成超分辨率磁共振成像有潜力增强便携式低场强磁共振在卒中影像评估中的作用，特别是在只有便携式设备可用的资源有限环境中，它能够帮助弥合诊断能力的差距，为临床决策提供更可靠的影像依据。
本研究的亮点在于多个方面。首先，在研究发现上，明确证实了基于深度学习的超分辨率技术能够系统性地提升便携式低场强磁共振成像在卒中病灶检测和定量两个核心任务上的诊断性能，并特别指出了其在卒中早期和亚急性期等传统低场强成像薄弱环节的突出优势。其次，在研究方法的创新性上，研究团队采用了“大规模开源数据集预训练 + 特定配对数据集微调”的两阶段训练策略。这种策略充分利用了公开数据中的通用知识，又通过微调适应了特定的临床场景和设备特性，有效缓解了医学影像领域标注数据稀缺的问题，为类似研究提供了可借鉴的范式。模型架构上选用的SCUNet，结合了Transformer的全局建模能力和CNN的局部特征提取优势，是针对图像超分辨率任务的有效设计。再者，在研究设计的全面性上，研究不仅进行了整体性能评估，还按照卒中不同时期进行了分层分析，揭示了技术优势的具体应用场景；评估指标涵盖了从定性诊断、临床评分到体积、功能参数（表观扩散系数）等多个维度，并进行了严谨的观察者一致性分析，使得结论更为全面和可靠。
其他有价值的内容包括研究明确指出了当前工作的局限性，如模型基于单一类型的低场强扫描仪开发，其泛化能力有待在其他厂商和场强的设备上验证；研究人群限定在发病3周内的卒中患者，对更慢性期病灶或卒中模拟病的性能尚不确定。这些坦诚的说明为未来研究指明了方向。此外，研究遵循了STARD和CLAIM报告规范，确保了诊断准确性研究和人工智能应用报告的透明性与完整性。研究的源代码已在GitHub上公开，促进了研究的可重复性和后续开发。
这项研究将前沿的人工智能超分辨率技术与临床迫切需求的便携式低场强磁共振成像相结合，为解决卒中诊断中的资源可及性与诊断准确性矛盾提供了切实可行的技术方案，具有重要的科学价值和广阔的临床应用前景。