摘要
切片到体积重建（SVR）是从多个方向获取的运动干扰2D MRI切片堆栈中获得高分辨率3D胎儿大脑体积的标准方法。现有的SVR方法仅针对临床范围的回波时间（TE）进行了优化和验证，这限制了其在非临床TE下的使用，并使其无法与定量T2映射兼容，后者是一个独立于协议和中心的胎儿大脑成熟生物标志物，需要在多个TE下进行高分辨率重建。
我们提出了PRIME-SVR，这是首个用于多回声MRI联合高分辨率重建的隐式神经表示（INR）框架。一个全连接网络建模了从空间坐标到信号强度的连续函数，而第二个网络估计特定切片的采集降解。通过基于Bloch方程的正则化，强制执行跨TE一致性，惩罚偏离预期T2衰减的偏差，且自适应加权增强了对降解堆栈的耦合。
该方法完全自监督。我们在两个中心、两个厂商和两个磁场强度（1.5 T和0.55 T）中验证了39个活体胎儿采集（13个受试者×3个TE）。与最先进的SVR相比，PRIME-SVR提高了重建清晰度47%，解剖准确性30%，跨TE结构一致性14%。它使得在以往SVR无法访问的晚期TE进行重建成为可能，首次在0.55 T下获得0.8 mm各向同性T2图，以及首次从INR基础的SVR导出的T2图。PRIME-SVR还通过减少多TE重建所需的数据加速定量成像，将采集时间从15分钟缩短到10分钟，同时在白质和深灰质中保持T2准确性在1.7%以内，或在高质量采集时将平均T2误差降低到2.3%，时间缩短至5分钟。
博主点评： PRIME-SVR的提出标志着胎儿MRI成像技术的一次重大突破，其隐式神经网络的应用不仅提升了重建质量，还显著缩短了采集时间，展示了深度学习在医疗影像领域的巨大潜力。