Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with a Generalist Foundation Model and Multimodal Database

📄 arXiv: 2512.21652v1 📥 PDF

作者: Zi Wang, Mingkai Huang, Zhang Shi, Hongjie Hu, Lan Lan, Hui Zhang, Yan Li, Xi Hu, Qing Lu, Zongming Zhu, Qiong Yao, Yuxiang Dai, Fanwen Wang, Yinzhe Wu, Jun Lyu, Qianqian Gao, Guangming Xu, Zhenxuan Zhang, Haosen Zhang, Qing Li, Guangming Wang, Tianxing He, Lizhen Lan, Siyue Li, Le Xue, Mengting Sun, Yuntong Lyu, Junpu Hu, Jiayu Zhu, Rizwan Ahmad, Zhengyu Bu, Xianling Qian, Guanke Cai, Ruiyu Cao, Weirui Cai, Chang Xu, Yuyang Ren, Feidan Yu, Siying Ma, Ziqiang Xu, Xinran Chen, Sha Hua, Daniel Kim, Yajing Zhang, Chen Ouyang, Wenjia Bai, Jing Qin, Yucheng Yang, Daniel Rueckert, He Wang, Qian Tao, Claudia Prieto, Michael Markl, Alistair Young, Lianming Wu, Shuo Wang, Chen Qin, Mengsu Zeng, Xihong Hu, Haibo Xu, Xiaobo Qu, Hao Li, Guang Yang, Chengyan Wang

分类: eess.IV, cs.AI, physics.med-ph

发布日期: 2025-12-25

备注: Github: https://github.com/wangziblake/CardioMM_MMCMR-427K

💡 一句话要点

CardioMM：通用心血管磁共振重建基础模型，加速异构临床环境下的超快速成像

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心血管磁共振成像 超快速成像 深度学习 重建模型 多模态学习

📋 核心要点

  1. 现有CMR成像扫描时间长，且不同医疗环境差异大，限制了其广泛应用，亟需一种通用的超快速CMR重建模型。
  2. CardioMM通过统一语义上下文理解和物理信息数据一致性，动态适应异构快速CMR成像场景，实现稳健重建。
  3. 实验表明，CardioMM在内部中心达到SOTA，并对外部环境有良好泛化性，在24倍加速下仍能保持图像质量。

📝 摘要（中文）

多模态心血管磁共振(CMR)成像为心血管疾病(CVD)的诊断和潜在机制提供了全面的非侵入性见解。尽管经过几十年的发展，但其广泛的临床应用仍然受到扫描时间过长和医疗环境异质性的限制。这突显了对超快速CMR成像的通用重建基础模型的迫切需求，该模型能够适应不同的成像场景，并作为所有下游分析的重要基础。为了实现这一目标，我们整理了MMCMR-427K，这是迄今为止最大、最全面的多模态CMR k空间数据库，包含来自13个国际中心、12种CMR模态、15个扫描仪和17个CVD类别的427,465个多线圈k空间数据，覆盖三大洲的人群。在此基础上，我们推出了CardioMM，一种能够动态适应异构快速CMR成像场景的通用重建基础模型。CardioMM统一了语义上下文理解和物理信息数据一致性，从而在不同的扫描仪、协议和患者表现中提供稳健的重建。全面的评估表明，CardioMM在内部中心实现了最先进的性能，并对未见过的外部环境表现出强大的零样本泛化能力。即使在高达24倍的成像加速下，CardioMM也能可靠地保留关键的心脏表型、定量心肌生物标志物和诊断图像质量，从而在不影响临床完整性的前提下，显著提高CMR检查的吞吐量。总之，我们的开放访问MMCMR-427K数据库和CardioMM框架为实现高通量、高质量和临床可及的心血管成像建立了一条可扩展的途径。

🔬 方法详解

问题定义：论文旨在解决心血管磁共振(CMR)成像中扫描时间过长和不同医疗环境差异带来的挑战。现有方法难以在保证图像质量的前提下实现超快速成像，并且在不同扫描仪、协议和患者之间泛化能力较弱。

核心思路：论文的核心思路是构建一个通用的重建基础模型CardioMM，该模型能够学习不同CMR模态、扫描仪和患者的共性特征，并利用物理信息数据一致性约束来提高重建质量。通过大规模多模态数据集的训练，CardioMM能够动态适应异构快速CMR成像场景。

技术框架：CardioMM的整体框架包含以下几个关键模块：1) 多模态CMR k空间数据输入；2) 语义上下文理解模块，用于提取图像的语义信息；3) 物理信息数据一致性模块，用于保证重建结果与原始k空间数据的一致性；4) 重建模块，用于生成最终的CMR图像。该框架采用端到端的方式进行训练。

关键创新：论文最重要的技术创新点在于提出了一个通用的重建基础模型CardioMM，该模型能够同时处理来自不同扫描仪、协议和患者的CMR数据，并实现超快速成像。与现有方法相比，CardioMM具有更强的泛化能力和更高的重建质量。

关键设计：CardioMM的关键设计包括：1) 使用大规模多模态数据集MMCMR-427K进行训练；2) 采用深度学习模型进行语义上下文理解和重建；3) 利用物理信息数据一致性约束来提高重建质量；4) 设计了自适应的损失函数，以平衡重建质量和数据一致性。

📊 实验亮点

CardioMM在内部中心实现了最先进的性能，并且在未见过的外部环境中表现出强大的零样本泛化能力。即使在高达24倍的成像加速下，CardioMM也能可靠地保留关键的心脏表型、定量心肌生物标志物和诊断图像质量，从而在不影响临床完整性的前提下，显著提高CMR检查的吞吐量。

🎯 应用场景

该研究成果可广泛应用于临床心血管疾病的诊断和治疗。通过CardioMM，医生可以利用超快速CMR成像技术，在更短的时间内获得高质量的心脏图像，从而提高诊断效率和患者舒适度。此外，该技术还有助于推动心血管疾病的早期筛查和精准治疗。

📄 摘要（原文）

Multimodal cardiovascular magnetic resonance (CMR) imaging provides comprehensive and non-invasive insights into cardiovascular disease (CVD) diagnosis and underlying mechanisms. Despite decades of advancements, its widespread clinical adoption remains constrained by prolonged scan times and heterogeneity across medical environments. This underscores the urgent need for a generalist reconstruction foundation model for ultra-fast CMR imaging, one capable of adapting across diverse imaging scenarios and serving as the essential substrate for all downstream analyses. To enable this goal, we curate MMCMR-427K, the largest and most comprehensive multimodal CMR k-space database to date, comprising 427,465 multi-coil k-space data paired with structured metadata across 13 international centers, 12 CMR modalities, 15 scanners, and 17 CVD categories in populations across three continents. Building on this unprecedented resource, we introduce CardioMM, a generalist reconstruction foundation model capable of dynamically adapting to heterogeneous fast CMR imaging scenarios. CardioMM unifies semantic contextual understanding with physics-informed data consistency to deliver robust reconstructions across varied scanners, protocols, and patient presentations. Comprehensive evaluations demonstrate that CardioMM achieves state-of-the-art performance in the internal centers and exhibits strong zero-shot generalization to unseen external settings. Even at imaging acceleration up to 24x, CardioMM reliably preserves key cardiac phenotypes, quantitative myocardial biomarkers, and diagnostic image quality, enabling a substantial increase in CMR examination throughput without compromising clinical integrity. Together, our open-access MMCMR-427K database and CardioMM framework establish a scalable pathway toward high-throughput, high-quality, and clinically accessible cardiovascular imaging.