ディープ・ラーニング・リコンストラクションによる超高速サブ・ミニート・ブレイン・MRI,小児における無麻酔の緊急イメージングのための深層学習・再構築

科学分野:

• メディカルイマージング (医学イメージング)
• 医療における人工知能
• 小児放射線科の放射線学

背景:

• 小児のMRIはしばしば全身麻酔を必要とするため,供給不足と遅延につながります.
• CTのような代替イメージングは,リスクのある緊急事態で使用されることがあります.
• 麻酔のないMRIは,小児患者の早期診断に不可欠です.

研究 の 目的:

• 低速の小児脳MRIを深層学習再構築で評価し,麻酔なしで緊急イメージングを行う.
• これらの急速MRIスキャンの診断能力を評価し,重大な病理を排除する.
• この方法によってアドホックMRIスキャンが可能になり,CTへの依存を減らすことができるかどうかを判断する.

主な方法:

• 36の麻酔のない小児MRIデータセットの遡及的評価.
• ディープラーニング再構築による超高速T2加重配列 (47秒獲得時間) を利用しました.
• 4人の読者によって,重要な病理 (ミッドラインシフト,質量病変) の画像品質と診断信頼性を評価しました.

主要な成果:

• データセットの94.4%が,急性頭蓋内病理を除外するための許容可能な診断信頼性を達成しました.
• 超高速シーケンスの52.1%で,良好から優れた画像品質が観察されました.
• 診断の信頼性 (Gwet's AC2 ≥0.886) と画像品質 (Gwet's AC2 ≥0.942) に関して,高いインターレーター信頼性が見つかりました.

結論:

• ディープラーニング再構築は,緊急事態の設定のために,可行で麻酔のない小児脳MRIを可能にします.
• このアプローチは,手術周辺のリスクとCTスキャンの必要性を大幅に減らすことができます.
• 超高速MRIの導入は,医療費を削減し,患者のケアを改善することができます.