一种在GPU与时间上高效的伪三维网络在磁共振图像超分辨率与运动伪影去除中的性能

更清晰的脑部扫描，用时更短

磁共振成像（MRI）是现代医学的主力工具，但要获得清晰的三维脑部图像通常需要较长且令人不适的扫描时间，患者一动就容易破坏图像。本研究提出了一种智能计算方法，能将更快但质量较低的脑部扫描转化为清晰、细节丰富的图像，同时清除运动产生的条纹伪影——且该方法对图形硬件要求适中，使其在日常医院环境中具有可行性。

为什么快速扫描常常不够理想

医生希望MRI图像既清晰又无运动模糊，但存在权衡：更高的分辨率需要更长的扫描时间，这增加了患者移动并破坏图像的风险。传统的加速技巧（如并行成像）只能在噪声和伪影尚可控的范围内提升速度。最近深度学习方法已显示能对图像进行“超分辨”重建——从粗糙扫描恢复细节——并减少运动伪影，然而多数强大的方法依赖完全的三维网络，这类网络运行缓慢且需要昂贵的显卡。这限制了它们在注重时间、成本和可靠性的繁忙临床环境中的应用。

以薄片为捷径获得三维细节

研究者将已有的二维深度网络改造为所谓的“薄片（thin-slab）”设计。网络不再单独处理每一层切片，而是一次摄入一小堆相邻切片并将它们视为通道。这在不承担完整三维模型沉重负担的情况下保留了重要的三维上下文。同一框架被训练以解决两项任务：超分辨重建（从厚切片或较少采样的数据中恢复细节）和运动伪影去除（移除由头部移动引起的条纹与重影）。为严格测试性能，团队从高质量的公共脑部MRI数据集中创建了逼真的低分辨率和运动损坏数据，并将其方法与领先的三维网络和一种流行的二维U-Net模型进行比较。

在速度、清晰度与扫描设计之间取得平衡

对医院而言，一个关键问题是能在多大程度上缩短扫描时间而不牺牲图像质量。作者系统地改变了在不同方向上对原始数据的“下采样”程度，以模拟真实扫描仪在分辨率与速度之间的权衡。他们发现：适度增厚切片（在保持平面内细节的同时使切片厚度加倍）是实现两倍加速的最佳选择，而在三个方向上均匀降采样则最适合实现四倍加速。在这些最优设定下，薄片网络在标准图像质量评分上超过或匹配了大多数最先进的三维模型，同时将显存使用量和处理时间最多减少了90%。在并排示例中，灰白质边界和小动脉等细小脑结构较竞争方法或简单插值方法得以更好保留。

清除运动伪影并识别不可信区域

运动是MRI中的长期难题——尤其对儿童、老年人和疼痛患者而言。通过精心控制的模拟头部运动，作者证明他们的网络在移除强烈运动伪影方面表现稳定，尤其是当网络可以同时观察多层切片时。与改良的二维U-Net相比，它在层间与层内一致性的恢复上更佳。除了重建之外，研究还处理了一个更微妙的安全问题：网络什么时候会出错？通过训练系统不仅输出清理或锐化后的图像，还输出逐像素的不确定性图，作者能够估计每个区域的可信度。一类不确定性反映了数据中的噪声，而另一类则捕捉到新扫描与网络训练时见过的数据有多大差异。第二类测度与标准图像质量指标高度相关，使团队即便在没有完美参考图像的情况下也能预测质量。

在新扫描仪上的测试与未来展望

为评估该方法在真实世界中的适用性，研究人员将训练好的模型应用于一套完全独立的数据集，来自不同的扫描仪和不同的头线圈，包括包含真实、无法控制的头部运动的扫描。即便未重新训练，该方法也使低分辨率图像变得更清晰并减少了运动条纹，尽管不确定性图正确地指出网络在这些陌生数据上的信心较低。这一表现表明该技术既能在不同扫描仪间扩展有用的图像质量，也能标注出需要谨慎对待的案例。

对患者与临床医生的意义

简而言之，这项工作表明，一种精简且巧妙设计的深度网络能从更快、分辨率更低或受运动损坏的扫描中提供近三维质量的脑部图像，而无需最先进的硬件。它识别出与此类软件配套的实用扫描策略，并加入了内建的不确定性估计，能提醒放射科医师重建图像可能不太可靠的区域。如果能在更多身体部位和疾病类型上得到验证，这种方法可能使MRI检查更短、更舒适且信息量更大，同时为临床医生何时信任屏幕上的图像提供更清晰的判断依据。

引用: Li, H., Liu, J., Schell, M. et al. Performance of a GPU- and time-efficient pseudo-3D network for magnetic resonance image super-resolution and motion artifact reduction. Sci Rep 16, 9654 (2026). https://doi.org/10.1038/s41598-026-43804-1

关键词: MRI 超分辨率, 运动伪影去除, 深度学习成像, 脑部MRI, 不确定性图