在合成肺动脉基准上，生物标志物监督使4D flow MRI的搏动指数误差从17.12%降至12.76%
核心概要
该研究在合成肺动脉基准上训练3D残差通道注意力网络（RCAN）对4D flow MRI做2倍超分辨，发现加入生物标志物监督可在有、无组合正则化两种条件下降低搏动指数（PI）误差（原始主比较中12.76±2.34%对17.12±1.23%，配对差-4.35个百分点，95% CI -5.58至-3.09，p=0.0015），但PI改善并未伴随重建指标的一致提升（PSNR变化不显著，SSIM分别下降0.009和0.007），且只有相邻帧时间差分正则化而非散度正则化与PI误差的可复现恶化相关。
Figure 1. Original benchmark pipeline and four-arm training design. The 3D RCAN model reconstructs the HR velocity field from a 2× de- graded input; evaluation uses the fixed six-case test set. The original primary comparison is full biomarker-aware versus the matched combined divergence–temporal-regularization control. The reconstruction-only arm used a different reconstruction schedule, so the historical four-arm
bioRxiv · 第 10 页深度剖析
生物标志物感知训练降低了血流动力学终点误差：在原始主比较中，完整生物标志物感知训练相对匹配的组合散度-时间正则化对照，将PI误差从17.12±1.23%降至12.76±2.34%，配对差-4.35个百分点（95% CI -5.58至-3.09，p=0.0015）。 以往超分辨评估多关注图像重建指标，这里把生物标志物（PI）直接纳入训练目标并在14个匹配随机种子的固定六例测试集上做配对比较，把评价重心从像素相似度转向血流动力学终点保真度。 基于22个来自11个肺动脉几何的CFD模拟、2倍空间退化、14个匹配种子与固定六例测试集的配对统计，报告了95%置信区间与p值；但全部为合成数据，作者明确说明结论受配置限制并需要几何独立与在体验证。
在受控2x2析因分析中，生物标志物监督在无组合正则化时降低PI误差2.235个百分点（95% CI -3.514至-0.849），在有组合正则化时降低4.125个百分点（95% CI -5.392至-2.732）。 通过分离散度正则化与相邻帧时间差分正则化，并采用统一重建流程的2x2设计，把此前混合在一起的训练成分拆开，使生物标志物监督的效应可以在两种正则化条件下分别估计。 匹配析因设计配合统一重建流程，两个条件下的置信区间均不跨零；样本仍限于合成基准与固定测试集。
PI改善并未伴随重建指标的一致提升：PSNR变化为-0.058（p=0.50）和+0.144 dB（p=0.28），SSIM分别下降0.009（p=0.004）和0.007（p=0.009）。 该结果提示面向血流动力学终点的优化与常规图像质量指标可能不同步，为超分辨评估中同时报告任务指标与重建指标提供了具体对照。 报告了配对变化量、p值与两种正则化条件下的重复结果；SSIM下降在统计上显著但幅度较小，且仅在合成基准上测得。
在单独分离的成分中，散度正则化使PI变化+0.034个百分点（95% CI -0.705至0.809）同时将DivRMS降低1.869个百分点，而时间差分正则化使PI误差增加1.562个百分点（95% CI 0.594至2.439）。 把组合正则化的效果归因到具体成分，指出时间差分而非散度正则化是唯一与PI误差可复现恶化相关的孤立成分，为后续正则化设计提供了可检验的区分。 基于匹配分析中的成分分离与置信区间；散度正则化的PI置信区间跨零，时间差分正则化的置信区间不跨零，均来自同一合成基准。
启示与展望
该结果面向在合成肺动脉基准上开发4D flow MRI超分辨方法的研究者，适用于以RCAN为骨干、2倍空间退化、固定六例测试集与匹配随机种子的实验设置。它使后续工作可以在训练目标中显式加入生物标志物监督，并把散度与时间差分正则化作为可分离的设计变量来检验，而不是把组合正则化当作单一整体。对临床或产品化读者而言，这一证据目前只支持在合成基准内做方法选择，尚不构成在体或跨几何场景下的性能承诺。
作者明确指出这些发现是配置特定的，需要几何独立与在体验证，因此PI改善能否在真实4D flow MRI数据、不同肺动脉几何与不同退化水平下保持，仍是开放问题。PI改善与SSIM下降并存，说明以哪一类指标作为模型选择标准仍需权衡；散度正则化降低DivRMS却未显著改变PI，其临床意义也有待进一步界定。此外，本次读取范围不完整，仅覆盖摘要与利益冲突声明，方法细节、图表与补充分析未纳入，因此关于网络结构、训练细节与统计模型的更具体判断无法在此给出。