CTPA de dosis ultrabaja utilizando CT de muestreo escaso combinado con la red U para la reducción de artefactos...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia Artificial en Radiología
• Tomografía computarizada

Sus antecedentes:

• La reducción de la dosis en la angiografía pulmonar por tomografía computarizada (CTPA) es crucial, pero puede comprometer la calidad de la imagen debido a los artefactos.
• La TC de muestreo disperso (TCSP) ofrece una reducción de la dosis pero introduce artefactos significativos.
• El aprendizaje profundo, específicamente las arquitecturas U-Net, es prometedor para la reconstrucción de imágenes y la reducción de artefactos.

Objetivo del estudio:

• Evaluar la eficacia de un enfoque basado en U-Net para la reducción de artefactos en la TPSC reducida en dosis.
• Evaluar el impacto del post-procesamiento U-Net en la calidad de la imagen y el rendimiento de diagnóstico en CTPA.
• Comparar el rendimiento de U-Net con la proyección filtrada hacia atrás (FBP) tradicional y evaluar la detección automatizada de embolia pulmonar (EP).

Principales métodos:

• Se entrenó un modelo U-Net de doble marco en 69 conjuntos de datos de pacientes y se validó en 16.
• Se generaron datos de SpSCT de 89 pacientes con opiniones variables (16 a 512).
• La calidad de la imagen se evaluó utilizando el índice de similitud estructural (SSIM) y un estudio de lector; el rendimiento diagnóstico se evaluó utilizando el coeficiente de Sørensen-Dice y la detección automatizada de PE.

Principales resultados:

• U-Net mejoró significativamente la calidad de imagen en todos los subconjuntos de vistas (por ejemplo, SSIM aumentó de 0.378 a 0.892 en 64 vistas).
• Los estudios de lectura confirmaron una mejor calidad de imagen, una mayor confianza en el diagnóstico y una reducción de los artefactos con el postprocesamiento U-Net (P < 0,05).
• El rendimiento diagnóstico mejoró significativamente para las imágenes de 64 y 32 vistas (Sørensen-Dice: 0,44 frente a 0,23 y 0,09 frente a 0,00, respectivamente).

Conclusiones:

• La reducción de artefactos basada en U-Net mejora efectivamente la calidad de imagen y el rendimiento diagnóstico en SpSCT de baja dosis.
• Los hallazgos apoyan la posibilidad de una reducción sustancial de la dosis de radiación en la angiografía pulmonar por TC.
• El postprocesamiento U-Net ofrece una solución viable para mejorar la utilidad diagnóstica de la TC de muestreo escaso.