对狗大脑磁共振成像的基于深度学习的重建可以提高图像质量,同时减少扫描时间

科学领域:

• 兽医放射学 兽医放射学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 实现最佳的磁共振成像 (MRI) 质量和缩短扫描时间在兽医诊断中是一个挑战.
• 基于深度学习的重建 (DLR) 已成为提高MRI图像质量的有希望的技术.

研究的目的:

• 评估DLR在改善狗大脑MRI质量和减少扫描持续时间方面的有效性.
• 为了比较DLR与传统MRI方法的消噪性能.

主要方法:

• 一项前性研究,涉及12只健康的小猎犬,接受横向T2加权和FLAIR脑MRI测序.
• 采集不同激发次数 (NEX4,NEX2,NEX1) 的图像,DLR应用于NEX2和NEX1 (NEX2_DL,NEX1_DL).
• 信号与噪声比 (SNR) 和对比与噪声比 (CNR) 的定量分析,以及盲目兽医的定性评估.

主要成果:

• 与传统方法相比,DLR显著改善了平均SNR和CNR (P <0.05).
• 对于T2加权和FLAIR序列,DLR应用的图像在所有评估指数中都显示出优异的质量.
• 在FLAIR序列中,NEX2_DL显示出比NEX1_DL更好的质量.

结论:

• DLR有效地减少了MRI扫描时间,同时提高了狗大脑图像质量.
• 这种方法为兽医MRI提供了宝贵的进步,改善了诊断能力.