近日，首都医科大学附属北京天坛医院天坛神经影像研究中心联合北京航空航天大学在国际期刊《IEEE Transactions on Medical Imaging》发表题为“Stroke-Aware CycleGAN: Improving Low-Field MRI Image Quality for Accurate Stroke Assessment”的研究论文。该研究针对低场影像，提出了一种卒中感知的三维生成式影像质量增强模型（Stroke-Aware CycleGAN, SA-CycleGAN）。该模型显著提升了低场影像的清晰度，同时保持了其结构完整性和临床可读性，经算法增强后的影像在病灶体积量化方面与高场强影像分割结果的一致性，较原始低场强影像提升了84%。北京航空航天大学周宇硕士、刘子阳博士、附属北京天坛医院谢雪微医师为共同第一作者；北京天坛医院荆京教授以及北京航空航天大学刘涛教授为共同通讯作者。

    卒中是我国首要致死病因之一，在急诊情境下，影像检查的可及性、时效性以及结果的定量一致性至关重要。低场移动磁共振影像（LF-pMRI）为床旁及资源受限场景提供了可行方案，但其固有的低对比度、低信噪比以及伪影增多等问题，限制了病灶的准确判读和体积量化精度。因此，可靠地改善低场影像质量成为卒中急诊诊疗中影像评估环节的关键挑战。

研究基于首都医科大学附属北京天坛医院的卒中患者影像数据展开。针对急性卒中低场DWI影像的特点，团队创新地提出了卒中感知质量增强模型SA-CycleGA。该模型在CycleGAN框架中引入空间特征变换机制（SpaFT），显式融入卒中病灶的解剖先验知识，结合一阶梯度差损失（GDL），有效抑制了传统生成模型容易产生的过度平滑趋势。通过这种设计，SA-CycleGAN能够生成具有高清晰度、高信噪比、伪影减少的类高场影像，显著改善了脑解剖结构的显示效果，同时保留了原始影像中的关键语义信息。

基于同一患者在相近时间点接受0.23 T和3.0 T DWI扫描配对的101例影像数据，SA-CycleGAN的性能得到了系统验证。结果表明模型在多项客观影像质量指标上（PSNR&SSIM）均显著提升。特别地，以3.0T高场影像作为参考标准时，经SA-CycleGAN增强后的影像，其病灶体积绝对误差仅为1.73±2.03mL，体积相关性提升至R=0.852，与原始低场影像相比，一致性提升了84%（原始低场影像病灶体积绝对误差2.53±4.24mL，体积相关性R=0.46）。专家评估结果也一致认为增强后影像在解剖结构可读性和临床相关性方面表现更优，实现了视觉感知质量与影像保真度之间的良好平衡。

综上所述，SA-CycleGAN将卒中病灶先验与三维生成式学习深度融合，无需改变现有扫描流程或增加额外采集时间，即可显著提升低场影像的清晰度，使其在卒中病灶表征方面与高场影像保持高度一致，为急诊卒中单元（Emergency Stroke Unit, ESU）场景下的快速卒中评估与分诊决策提供更高质量的影像支持，助力ESU建设。

该研究受国家自然科学基金（82372040，82271329）和国家重点研发计划（2022YFC2504900）资助。