基于深度学习的心脏磁共振影像超分辨率前沿进展
心脏为人体血液流动提供动力,是人体血液循环系统的重要组成部分.受人口老龄化影响,心脏病诊疗已成为重大公共健康话题.非侵入式活体心脏成像对心脏疾病的检测、诊断与治疗意义重大.然而,受活体心跳影响,成像扫描时间与心脏影像分辨率成为难以调和的矛盾.为缓和这一矛盾,基于快速扫描获得的低分辨率影像重建出心脏高分辨率影像的超分辨率(super-resolution,SR)重建技术成为研究热点.深度学习技术在医学影像处理领域中展现出强大生命力,基于深度学习的SR技术因其强大的学习能力与数据驱动性,在心脏影像SR重建领域中表现出明显优于传统方法的性能.目前领域内前沿成果较多,但缺少对领域现状进行总结、对未来发展进行展望的综述性文献.因此,本文对领域内现状进行梳理总结,挑选出代表性方法,分析方法特性,总结文献中心脏影像数据来源与规模,给出常用的评价指标,以及模型得出的性能评价结论.分析发现,基于深度学习的心脏SR重建技术取得了较大进展,但在运动伪影抑制、模型简化程度与时间性能方面仍有进步空间.此外,现有模型基本完全依靠网络强大的表达能力,鲜有临床先验知识的引入.最后,模型间性能对比相对较少,且领域内缺少代表性的可用于评价不同心脏SR重建模型性能的数据集.基于深度学习的心脏影像SR技术仍有较大发展空间.
深度学习;心脏医学影像;超分辨率重建;磁共振成像;心脏影像数据集;卷积神经网络;高分辨率影像
27
TP389.1(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项资金项目;辽宁省自然科学基金
2022-03-25（万方平台首次上网日期，不代表论文的发表时间）
共18页
704-721
