腰椎的快速高质量的MRI协议与基于深度学习的算法:图像质量和扫描时间与标准协议的比较
Marta Zerunian1, Francesco Pucciarelli1, Damiano Caruso1
1Department of Medical Surgical Sciences and Translational Medicine, University of Rome "Sapienza" Radiology Unit - Sant'Andrea University Hospital, Via di Grottarossa, 1035-1039, 00189, Rome, Italy.
Skeletal radiology
|June 27, 2023
概括
对于腰椎MRI来说,一种新的基于深度学习的重建 (DLR) 算法显著改善了图像质量,并将扫描时间减少了多达50%. 诊断信心与标准的MRI协议相比仍然相当.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 对于腰椎脊柱成像的标准MRI协议可能会耗费大量时间.
- 人工智能的进步为提高MRI效率和质量提供了潜力.
研究的目的:
- 为了前性地比较基于深度学习的新型重建 (DLR) 算法与用于腰椎成像的标准MRI协议.
- 该研究旨在评估定量和主观图像质量,扫描时间和诊断信心.
主要方法:
- 80名健康的志愿者接受了1.5T的腰椎MRI,使用DLR和标准协议.
- 盲目放射科医生对图像质量进行了定量 (SNR,CNR) 和定性 (Likert 尺度) 的评估.
- 还比较了扫描时间和诊断信心.
主要成果:
- 在所有序列中,DLR显示了显著更高的信号噪声比率 (SNR).
- 在T2加权图像中,对比度对噪声比率 (CNR) 对DLR来说优越.
- 总体上,DLR的图像质量更高,总扫描时间减少了大约50% (6:26比12:59分钟).
结论:
- 基于深度学习的重建是1.5T腰椎MRI的可行和有效方法.
- DLR提供了增强的图像质量和显著的时间节省,与标准协议相比,具有可比的诊断信心.


![Quantitative [18F]-Naf-PET-MRI Analysis for the Evaluation of Dynamic Bone Turnover in a Patient with Facetogenic Low Back Pain](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F58491.jpg&w=3840&q=50)