Page 193 - 磁共振成像2024年7期电子刊

综 述｜｜Reviews 磁共振成像 2024年7月第15卷第7期 Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7

flow, 4D Flow）两种成像方法。不同于层面选择梯度 （AUC=0.938，P<0.001） 。作为一种极具潜力的新
[24]
的传统2D PC MRA，4D Flow通过同时对三个相互垂 兴技术，PET/MR 的未来应聚焦于更多 CMR 组织表
直的维度进行流速相位编码，来提供壁面剪切应力、压 征技术的引入及新型正电子显像剂的研发，同时制
力梯度、脉搏波速度等多种量化指标，能够良好表征二 订标准化临床应用指南，以明确该技术的临床定位
叶式主动脉瓣畸形等瓣膜疾病的异常血流模式 [13-14] ，也 及实践方案，进而推动临床推广。
在高血压、心肌病等领域展现出了广阔的应用前 1.5 AI
[17]
景 [15-16] 。为使该技术更好地转化，ZHAO等 基于大样 AI可以分为机器学习和影像组学两大分支，其中
本健康人群队列探究性别与年龄对双心室4D Flow参 深度学习（deep learning, DL）是目前临床应用最广泛
[25]
数的影响，为设置正常参考范围提供了循证依据。心 最有效的机器学习方法 。心血管影像与 DL的跨领
血管磁共振学会（Society for Cardiovascular Magnetic 域结合有望优化成像全工作流程。通过 DL 模型，可
Resonance, SCMR）发布2023年4D Flow共识声明，提 以优化扫描流程，改善切面、时机及参数选择，使操作
[26]
供了采集参数、后处理流程、临床质量保证和验证等方 者更多地向监督者转变 。在图像重建方面，DL也取
[18]
面的详细建议，为临床和科研环境设定了标准 。 得了较大进展，特别是在疑似冠状动脉疾病（coronary
实现血流的精准量化，选择合适的速度编码是关 artery disease, CAD）的患者诊断中，基于压缩感知技
键。既往PC MRA仅基于单个预定义值采集，难以兼 术的非对比冠状动脉 MR血管成像，已经展现了超越
顾低速和高速血流，但发展的加速技术使多流速编码 传统冠脉血管造影的诊断性能 。针对因成像条件限
[27]
血流（multi-velocity encoding flow, Multi-venc Flow） 制而质量不佳的医学影像数据，DL 同样能够通过降
[20]
成像成为可能 。最近研究表明 ，2D Multi-venc 噪、超分辨率等增强算法有效改善伪影和噪声，提高图
[19]
[28]
Flow 在经导管主动脉瓣置换术后（transcatheter aortic 像的质量 。传统手工分割工作量大且难以控制观察
valve replacement, TAVR）瓣周反流的定量测量中，与 者偏倚，U-Net作为 DL 经典模型，能够快速分割复杂
金标准 2D PC MRA 结论高度一致，且单次屏气即可 右心室结构，并提高操作的准确度和可重复性 。
[29]
采集多个速度编码数据，提高了患者的舒适度和依 影像组学是一种能从医学图像中提取特征数据
从性，具有良好的可重复性。4D Multi-venc Flow 在 的高通量技术，对肉眼无法识别的形状、纹理等特征
[18]
新版共识声明中有所提及 ，于现有临床研究中显示 进行定量分析。该技术能够为心衰、房颤等心血管
了更优的速度噪声比，是极具潜力的临床工具之一。 事件预测提供增量价值 ，甚至在一项研究中显示：
[30]
4D Flow 成像和 Multi-venc Flow 成像在血流动 单独基于影像组学特征构建的 HCM 患者风险分层
力学评估中展现了重要价值，但其复杂性和操作要 模型，其预测效能要优于既往 2014 年 ESC 版模型及
求限制了临床推广。下一步应简化技术流程、标准 2020 年 ACC/AHA 版模型 。但在部分现有研究中，
[31]
化操作步骤，结合 AI 提升数据处理效率 [21-22] ，以推动 影像组学特征所代表的生物学意义并未被完全阐
其在精准医疗中的应用。 明，这限制了其临床应用。
1.4 正电子发射体层/MR 将 AI 与心血管影像结合，通过自动化扫描显著
正电子发射体层（positron emission tomography, 提高成像效率，改善数据处理提升诊断效能，并深度
PET）/MR 是一种集成了 PET 和 MR 两种成像优势的 挖掘影像数据为临床评估提供更多参考指标。但当
先进分子影像技术，MR 的高软组织分辨率及多参数 前临床转化仍面临着诸如医学数据标准化不足、生
成像特性为 PET 提供多维心肌组织信息，而 PET 的 物可解释性较弱、模型泛化能力有待提高等问题。
分子靶向检测能力则能更精准地标记心血管疾病相 为使 AI 更好地应用于临床心血管成像流程，首先应
关分子靶点。以 PET/MR 在缺血性心脏病中心肌活 完善和规范数据评价体系，其次应在具体场景中构
性评估为例，两种成像模式测得的梗死心肌范围强 建综合影像特征及其他临床因素的 AI 模型，最后应
相关，但MRI有助于检出心内膜下微小MI病灶，PET 建设大规模多中心医学影像数据库，使 AI 模型能够
则能提高心肌活性判断的准确度，双模态融合为临 基于更广泛的患者数据改善泛化能力及鲁棒性，更
[23]
床提供更加全面可靠的诊断信息 。正电子显像剂 贴近临床真实情况。
与靶点的结合使得 PET/MR 能够在分子水平精确表
18
征疾病进展，目前临床最常用的 F-FDG 通过观察心 2 临床应用
肌细胞的葡萄糖代谢水平对心肌活性及炎症进行评 2.1 非缺血性心脏病
[32]
68
估 ，而新型 Ga 标记成纤维细胞活化蛋白抑制剂 随着 2023 年《ESC 心肌病管理指南》（以下简
（fibroblast activation protein inhibitor, FAPI）则能够特 称心肌病指南）的重磅颁布，以心肌病为代表的非缺
异性结合量化活化的心肌成纤维细胞。在急性 MI 血性心脏病再次备受瞩目。该指南不仅在 2014 年
中，与 LGE 等传统指标相比，PET/MR 测得的基线心 《ESC 肥厚型心肌病诊断管理指南》的基础上着重笔
肌 FAPI摄取容积能更敏感地预测远期心室不良重构 墨更新了 HCM 部分，更总结归纳各心肌病表型，为

·186 · https://www.chinesemri.com