缺血性心脏病已成为全球范围内的主要死因之一。长期心肌缺血可导致心肌细胞死亡和心肌收缩功能丧失，最终引发心肌梗死。心肌梗死的准确诊断对于制定有效的治疗计划和评估预后至关重要。使用延迟钆剂强化磁共振成像可以对梗死的位置和程度进行判别，但造影剂的使用也带来了安全风险和适用人群的局限性。深度学习为非造影剂心脏磁共振成像诊断心肌梗死提供了新的研究思路，但现有方法或需要大量的手工标注用于模型训练，或需要多个序列采集的心脏磁共振图像。
近日，上海科技大学生物医学工程学院齐海坤课题组在非造影剂心脏电影生成虚拟强化图像的深度学习算法探索取得积极进展，研究成果以“Predicting Late Gadolinium Enhancement of Acute Myocardial Infarction in Contrast-free Cardiac Cine MRI using Deep Generative Learning”为题发表于Circulation: Cardiovascular Imaging。该研究提出了一种创新的“电影生成强化（Cine Generated Enhancement, CGE）”方法，通过基于深度学习的多尺度时空特征提取和对比度引导的图像风格转换技术，实现了仅基于非对比剂心脏电影磁共振图像生成与钆剂延迟强化（LGE）图像相当的虚拟强化图像。实验结果显示，CGE图像的视觉图像质量评分优于LGE图像，且在诊断心肌梗死的位置、大小和透壁性方面与LGE图像有较好的一致性（图2）。
图1.整体研究概览。
图2. 内部与外部测试数据集中延迟钆剂强化（LGE）与非造影剂电影生成强化（CGE）心肌瘢痕范围及透壁性可视化。图A至D各展示了一位患者，包含五层从心尖到心底的短轴切面的LGE与CGE图像，下方橙色区域描绘了瘢痕位置。LGE或CGE图像右侧采用牛眼图显示瘢痕透壁性，颜色从浅绿至深红指示心肌存活的可能性。
该方法能够在无造影剂的情况下，仅利用临床广泛使用的心脏电影图像生成与LGE相当的强化图像，在诊断急性心肌梗死中取得了较好的效果。本研究为无创、快速心肌梗死诊断提供了新的思路，在方法上和临床应用上均具有较大突破性，Circulation: Cardiovascular Imaging邀请领域专家为本文撰写了两篇评论文章（Editorial）。
上海科技大学生医工学院助理教授齐海坤为论文第一作者和共同通讯作者，上海科技大学生医工学院硕士研究生钱鹏方为共同第一作者，上海科技大学为第一完成单位，上海仁济医院、福建龙岩市第一医院为论文合作单位。
沪公网安备 31011502006855号