与标准成像相比,使用深度学习重建-评估图像质量,诊断信心和解剖学可视化更快的肘部MRI
Judith Herrmann1, Saif Afat1, Sebastian Gassenmaier1
1Department of Diagnostic and Interventional Radiology, University Hospital Tübingen, 72076 Tübingen, Germany.
Diagnostics (Basel, Switzerland)
|September 9, 2023
概括
对于肘部MRI的深度学习重建 (TSEDL) 与标准方法 (TSESTD) 相比,显著改善图像质量并减少噪音. 这种先进的技术提供了更快的扫描,提高了患者的舒适度和吞吐量,而不会影响诊断准确度.
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:
- 标准的MRI技术用于肘部成像可能是耗时的.
- 提高图像质量和减少扫描时间对于患者的舒适性和临床工作流程至关重要.
研究的目的:
- 为了评估深度学习 (DL) 对轮回旋回声 (TSE) 肘部序列的重建.
- 评估DL重建对图像质量,解剖学可视化和诊断信心的影响.
主要方法:
- 17名参与者接受了两个MRI检查:标准TSE (TSESTD) 和DL重建TSE (TSEDL).
- 两名放射科医生使用5分利克特尺度评估图像质量,噪音,清晰度,文物,诊断信心和解剖结构划分.
- 病理学检测率也被评估.
主要成果:
- 与TSESTD相比,TSEDL显示出显著改善的图像质量 (p=0.008) 和降低的噪音 (p=0.004).
- 在TSEDL和TSESTD之间的度,文物,解剖学划分或诊断信心方面没有发现显著差异.
- DL重建将获取时间缩短了35%以上,并且具有相当大的到几乎完美的读者间一致性.
结论:
- 对于肘部TSE序列的深度学习重建可以提高图像质量并减少噪音.
- TSEDL可以显著减少扫描时间,从而提高患者的舒适度和吞吐量.
- DL方法保持了与肘部成像标准方法相比的诊断性能.
