使用深度学习图像重建的前列腺加速扩散权重成像:与标准扩散权重成像的回顾性比较

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 前列腺的多参数核磁共振是诊断前列腺癌的关键,前列腺癌是最常见的男性固体癌症.
• 目前的MRI系统面临容量限制,影响扩散权重成像 (DWI) 等重要序列的采集时间.
• 深度学习图像重建 (DLIR) 为加速MRI采集提供了一个潜在的解决方案.

研究的目的:

• 评估DLIR在加速前列腺DWI获得方面的疗效.
• 为了确定DLIR是否能够保持诊断图像质量,尽管采集时间缩短.
• 评估DLIR对图像噪声和信号噪声比的影响.

主要方法:

• 35名患者的前列腺DWI数据的回顾性分析.
• 使用标准和DLIR方法重建DWI序列.
• 通过减少信号平均数来模拟39%的获取时间缩短.
• 三名放射科医生对图像质量的评估和客观指标.

主要成果:

• DLIR导致b=0s/mm2图像和ADC地图中的感知较低的图像噪声,并且具有良好的读者间协议.
• 在标准方法和DLIR方法之间,总体信号噪声比仍然可比.
• 在DLIR.的过渡区观察到信号与噪声比率的离散降低.

结论:

• 深度学习图像重建可以减少39%的前列腺DWI获取时间.
• 当使用DLIR治疗前列腺DWI时,诊断图像质量得到保留.
• DLIR是一种可行的技术,可以加速前列腺MRI,同时保持诊断性能.