CMRVision：心脏 MR 图像分析的基础模型

心脏磁共振 (CMR) 成像通过多个序列和视图提供有关心脏解剖结构、功能和组织特征的补充信息。在这项工作中，我们研究了 2D CMR 的基础模型预训练，并引入了 CMRVision，这是一种特定于 CMR 的基础模型，使用 DINOv3 式自监督学习对 3600 万张 CMR 图像的多中心、多序列队列进行训练。我们系统地评估特定领域预训练的架构和训练设计选择。 CMRVision 在两个下游任务上进行评估：跨电影的多任务分割、后期钆增强 (LGE)、映射序列以及电影视图分类。我们的实验表明，特定于 CMR 的预训练、较小的补丁大小和补丁级目标能够持续提高下游性能。在多任务分割基准中，CMRVision 实现了最强的整体性能，优于先前的自然图像 (NI)、医学图像、监督和 CMR 基础模型基线。各个结构和序列的改善虽然不大，但一致，LV 的 Dice 评分范围为 0.940-0.967，心肌的 Dice 评分范围为 0.855-0.905，RV 为 0.929，LA 为 0.920，RA 为 0.931。在 LGE 和映射图像中观察到心肌分割的最大增益。在未见过的 LGE 长轴视图上的零样本分割任务中，该模型获得了 0.692 的平均 Dice 分数，展示了跨视图泛化能力。对于电影视图分类，与文献中报道的先前方法相比，CMRVision 实现了最高的平均准确度 (0.906)。这些结果凸显了 CMRVision 支持跨多个序列和视图的稳健且通用的心脏 MRI 分析的潜力。