CURRENT用一套循环网络同时补全主动脉4D flow MRI的空间与时间，相对压降估计更贴近高分辨参考
核心概要
苏黎世大学与苏黎世联邦理工学院的团队提出循环神经网络CURRENT，用同一套网络完成主动脉4D flow MRI的空间、时间与时空超分辨。在合成数据上，它的空间超分辨方向误差为0.072±0.037，低于4DFlowNet的0.097±0.053；时间超分辨方向误差为0.062±0.031，与T4DFlowNet的0.064±0.031接近。时空超分辨得到的相对压降估计比单独空间或时间超分辨更接近高分辨参考，模型只用合成数据训练，在体数据上表现出可用的泛化迹象。
深度剖析
同一套循环网络可以按需做空间、时间或两者同时的超分辨，把原本需要两个专用模型或两段串联流程的任务合并到一个框架里。 此前的空间超分辨由逐帧处理的4DFlowNet承担，时间超分辨由T4DFlowNet承担，时空超分辨只能把两者串联成两阶段流程。 在合成主动脉数据上，CURRENT的空间超分辨方向误差为0.072±0.037，低于4DFlowNet的0.097±0.053；时间超分辨方向误差为0.062±0.031，与T4DFlowNet的0.064±0.031接近。
时空超分辨的价值体现在下游物理量上：用它重建的速度场做相对压降估计，比只用空间或只用时间超分辨更接近高分辨参考。 相对压降依赖空间与时间两个方向的速度导数，单独一个方向的超分辨只能补上一部分信息。 以高分辨时空参考的压降做线性回归，时空超分辨的斜率更接近恒等线、偏差更低、R²更高，而单独空间或时间超分辨都出现更明显的低估。
网络在三维空间加心动周期的速度矢量块上工作，用双向循环层在相邻心动时相之间传递隐状态，从而利用帧与帧之间的相关性。 逐帧卷积只能看到单个时相，时间维度的冗余没有被利用。 网络在低分辨空间用八层、高分辨空间用四层双向卷积循环层，可学习缩放系数的短跳连与长跳连围绕中心上采样层，参数量保持3.2M。
只用合成数据训练的模型被直接用于一名健康志愿者的在体主动脉4D flow MRI，速度噪声低于sinc与线性插值。 在体高分辨参考数据无法直接采集，训练只能依赖把计算流体力学速度场嵌入在体背景后降采样得到的配对数据。 在体数据经回顾性降采样到2.5 mm各向同性、49.2 ms后作为输入，线性回归的R²高于4DFlowNet，但所有方法都对高速速度存在低估。
启示与展望
演示范围是合成主动脉4D flow MRI上的两倍空间、时间与时空超分辨，加上一名健康志愿者在体数据的可行性检验；作者提出后续可用分布学习和在体配对数据微调来改善域泛化。
合成数据尚未包含涡流、漂移、梯度波形相关的探针频谱以及心率和血流波动引起的时空抖动；计算流体力学场嵌入在体背景时血管壁处幅度与相位存在错位，可能影响近壁速度；网络未加入物理正则，重建流场未必满足流体力学原理。