CardioMM：心血管影像的通用重建基础模型

CardioMM是首个面向多模态心血管磁共振成像（CMR）的通用重建基础模型，基于全球最大的CMR k空间数据库MMCMR-427K训练，可实现8-24倍加速扫描下的高质量图像重建，旨在解决CMR扫描时间过长（30-60分钟）及图像质量不稳定的临床痛点。

心血管疾病（CVD）是全球主要健康威胁，CMR因无创、无辐射及丰富组织对比度成为诊断金标准，但存在两大核心问题：扫描时间长（单次30-60分钟）、不同机构设备/协议/患者差异导致图像质量不稳定。传统加速方法（并行成像、压缩感知）需特定协议调优，现有深度学习方案多为特定场景设计，缺乏跨设备/协议泛化能力。

为训练通用模型，团队构建MMCMR-427K数据库，特点包括：

• 数据规模：427,465组多线圈k空间数据（约3.5TB），来自6120次扫描、1504名受试者
• 国际覆盖：13个国际中心（4个公共仓库+9个临床中心）
• 设备多样性：15台扫描仪（0.55T-7T，4大厂商）
• 模态丰富：12种CMR模态（电影成像、T1/T2 mapping等）
• 病种广泛：17类心血管疾病，覆盖亚欧美三大人群 该数据多样性为通用模型奠定基础。

CardioMM核心创新是语义上下文理解与物理信息一致性结合：

1. 动态自适应机制：根据输入特征调整重建策略，适应不同扫描仪、协议、患者特征
2. 物理信息约束：显式引入k空间数据一致性约束，提升高度欠采样（8×-24×）鲁棒性
3. 多模态统一框架：单一架构处理不同CMR模态，无需单独训练，降低部署成本。

• 内部验证：各中心验证显示，图像质量指标（PSNR、SSIM）及视觉评估优于现有方法
• 零样本泛化：未见过的外部中心数据上仍生成高质量图像，证明跨设备/人群普适性
• 临床指标保留：8×-24×加速下，保留11项心脏表型指标和3项心肌生物标志物，满足诊断需求
• 下游互补：填补上游空白，为分割、表型分析等下游任务提供可靠基础。

团队开放完整训练评估代码，包括：

• 数据预处理/组织脚本
• 分布式训练流程
• 重建推理脚本
• 评估可视化工具
• 自动化分析流程 还提供传统SENSE重建实现，便于对比不同技术。

• 社区影响：CMRxRecon挑战赛（2023-2025）吸引125国超11000参与者；MMCMR-427K驱动NVIDIA通用MRI重建模型
• 临床前景：缩短扫描时间至5-10分钟，降低患者不适/伪影，提高设备利用率，使CMR在急诊/儿科更可行，缩小机构间质量差异 预期成为下一代CMR工作流程基础组件，是通用模型在医学影像应用的重要里程碑。