基于分组多分辨率网络的 DCE-MRI 图像配准：提升肺灌注评估精度的创新突破

《Scientific Reports》：A groupwise multiresolution network for DCE-MRI image registration

研究人员为提升 DCE-MRI 图像分析准确性开展分组多分辨率网络研究，结果良好，有助于医学影像分析。

　　在医学影像的领域中，动态对比增强磁共振成像（DCE-MRI）就像一台精密的 “时光相机”，能捕捉人体内部随时间变化的动态信息，为医生诊断和治疗疾病提供关键线索。然而，在利用 DCE-MRI 评估先天性膈疝（CDH）患者的肺灌注时，却遇到了 “小麻烦”。由于患者呼吸或身体移动，不同时间点扫描的图像之间会产生位移和变形，这就好比相机在拍摄过程中抖动了，导致后续计算肺灌注时出现偏差，影响医生对病情的准确判断。

为了解决这个问题，海德堡大学医学系曼海姆分校等机构的研究人员开展了一项重要研究。他们提出了一种分组多分辨率网络用于 DCE-MRI 图像的可变形配准，旨在提高后续图像分析的准确性。这项研究成果发表在《Scientific Reports》上，为该领域带来了新的突破。

在研究方法上，研究人员使用了 30 名 2 岁 CDH 修复术后患者的四维 DCE-MR 扫描数据集。他们构建了分组可变形配准网络，该网络以多分辨率网络为基础，通过四个子网逐步处理图像，从粗到细地校正图像变形。训练过程采用无监督方式，使用互信息（Mutual Information，MI）和梯度L2?作为损失函数，同时运用五折交叉验证等方法优化网络参数。此外，研究人员还选择了成对可变形配准网络、GroupRegNet 以及经典的 SimpleElastix 注册方法作为基准和基线进行对比。

研究结果主要体现在以下几个方面：

• 空间对齐效果：研究人员提出的分组网络在空间对齐方面表现出色。Groupwise 5 网络的 SSIM 5 达到了0.953±0.025，Groupwise 10 网络的 SSIM 10 达到了0.936±0.028，均显著高于基线方法，这表明该网络能够使图像之间的结构更加匹配，减少因位移和变形造成的差异。
• 变形合理性：所有注册方法产生的图像折叠程度都很低（∣J∣≤0:0.0±0.0%），这意味着变形后的图像在医学上是合理的，不会出现不符合生理结构的扭曲。
• 注册时间：分组网络的注册速度极快，Groupwise 5 网络注册一次只需8.55±0.51秒，Groupwise 10 网络也仅需9.07±0.56秒，远远快于 SimpleElastix 等基线方法，大大提高了临床应用的效率。
• 肝脏变形评估：通过在肝脏穹顶放置感兴趣区域（ROI）进行分析，发现所有注册方法（除基准成对网络外）都能显著降低校正后肝脏穹顶 ROI 幅度的标准差。其中，Groupwise 10 网络效果最佳，这说明该网络能更好地校正肝脏在不同时间点的变形，使分析结果更加稳定。
• 灌注图分析：计算灌注参数后发现，研究人员提出的 Groupwise 5 和 Groupwise 10 网络能显著降低平均通过时间（MTT）、肺血容量（PBV）和肺血流（PBF）图上 ROI 的标准差，使灌注图更加均匀，有助于医生更准确地评估肺灌注情况。

在研究结论和讨论部分，研究人员开发的分组多分辨率深度学习网络在 DCE-MR 时间序列的可变形配准中表现优异。与其他方法相比，该网络在空间对齐、变形合理性、注册速度以及提高灌注图均匀性等方面都具有明显优势，从而提升了医学图像分析的准确性。尽管研究受到 GPU 内存限制，分组大小受限，但依然证明了分组注册网络在 DCE-MRI 图像配准中的有效性。这一研究成果为 CDH 患者肺灌注的评估提供了更可靠的方法，有望在临床实践中得到广泛应用，帮助医生更精准地诊断和治疗相关疾病，为患者的健康带来新的希望。