心臓MRI機能解析におけるDLベース超解像再構成：臨床応用

科学分野:

• 心血管イメージング;医用物理学;医療における人工知能

背景:

• 心臓磁気共鳴画像法（MRI）は、心筋症の診断に不可欠です。標準化された感度エンコーディング（SENSE）および圧縮センシング（C-SENSE）は、MRI撮像の高速化に使用されます。深層学習は、画質向上とスキャン時間短縮の可能性を提供します。

研究 の 目的:

• SENSEと深層学習ベースの超解像（CS-SR）再構成（C-SENSEデータから）を使用した心臓MRIの容積測定、画質、および撮像時間の比較。通常の心臓イメージングにおけるCS-SRの実現可能性の評価。

主な方法:

• 31件の心臓MRI検査（1.5T Philips Ingenia）の遡及的分析。SENSE（R=2）およびC-SENSE（R=4）高速化技術を使用した撮像。C-SENSEデータは、深層学習ベースのノイズ除去および超解像アルゴリズム（CS-SR）で再構成。盲検化された読影者による手動左室（LV）のセグメンテーションおよび容積分析。3名の独立した読影者によるLikertスケールを使用した画質評価。

主要な成果:

• LV容積測定におけるSENSEとCS-SRの間で高い相関（r=0.98-1.00）が認められ、終期および終収縮期容積に有意差はありませんでした。全体的な主観的画質は同等（p=0.061）であり、CS-SRはシャープネスが向上しましたが、アーチファクトが増加しました（p<0.001）。C-SENSE（165.6秒）は、SENSE（411.1秒）と比較して有意に撮像時間が短縮されました（p<0.001）。

結論:

• 深層学習ベースの超解像再構成（CS-SR）は、心臓MRIの撮像時間を効果的に短縮します。CS-SRは、心機能評価に不可欠なLV容積測定精度の精度を維持します。CS-SRは、効率的で高品質な心臓MRIの可能性を示し、臨床ワークフローを合理化します。