深度学习驱动的无接触心电图在MRI中通过节拍试点声调进行运动解析图像重建和心率监测
Haoyu Sun1, Qichen Ding1, Sijie Zhong1
1Department of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, People's Republic of China.
Physics in medicine and biology
|September 26, 2025
概括
这项研究引入了一种无接触式心电图 (ECG) 方法,用于心血管MRI. 该技术准确地重建了心电图信号,改善了MRI同步和患者舒适度.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 心脏病学 心脏病学
背景情况:
- 传统的心电图 (ECG) 系统在MRI中具有挑战性,因为设置,波形扭曲和患者的不适.
- 准确的心电图对于同步心血管磁共振成像 (CMRI) 和监测心率至关重要.
研究的目的:
- 为CMRI开发和评估一种非接触式心电图测量方法.
- 解决MRI环境中传统的基于电极的心电图系统的局限性.
主要方法:
- 集成的节拍试点音调 (BPT),一个射频运动传感模式,进入CMRI用于无接触的心脏运动捕获.
- 训练了一个深度神经网络,将BPT信号映射到心电图波形.
- 评估重建的心电图准确性与地面真实性心电图,并评估CMRI图像质量.
主要成果:
- 重建的心电图实现了89%的皮尔森中位数与地面真相的相关性.
- 心脏触发时间的准确性达到94%,心率误差小于1bpm.
- CMRI 图像质量与地面真相同步相提并论,即使有运动和心律失常.
结论:
- 无接触式心电图方法简化了CMRI工作流程,并提高了患者的安全性和舒适性.
- 这种方法减轻了磁动力学 (MHD) 扭曲,并显示出临床应用的希望.
- 该方法证明了不同MRI场强度的可扩展性.
