使用深度学习重建的晚期加多增强心脏MRI的评估
Jing Yang1,2, Feng Wang2, Zhirong Wang2
1Hebei University of Chinese Medicine, Shijiazhuang, PR China.
Acta radiologica (Stockholm, Sweden : 1987)
|September 13, 2023
概括
基于深度学习的MR重建 (DLR) 显著提高了心血管晚期加多增强 (LGE) 成像质量. 这种方法可以减少噪音,同时提高图像对比度和清晰度,优于传统技术.
科学领域:
- 心血管成像 - 心血管成像
- 医疗图像重建 医疗图像重建
- 人工智能在医学中的应用
背景情况:
- 深度学习 (DL) 方法越来越多地被用于通过降低噪音来提高磁共振成像 (MRI) 质量.
- 评估基于DL的重建对特定MRI序列的影响对于临床应用至关重要.
研究的目的:
- 评估基于DL的MR重建 (DLR) 技术在提高晚期加多增强 (LGE) 心血管磁共振 (CMR) 图像成像的图像质量的有效性.
- 将DLR生成的LGE图像与传统的重建方法进行比较.
主要方法:
- 包括85名接受CMR和LGE成像的患者.
- 使用常规方法和DLR重建图像,使用不同的降噪 (NR) 级别.
- 独立的盲人观察员使用利克尔特尺度评估图像质量,并对SNR,CNR和边缘清晰度进行客观测量.
主要成果:
- 与传统成像相比,DLR在50%和75%的NR水平上显著改善了大小LGE (MLGE) 和相位敏感LGE (PSLGE) 的整体图像质量 (P <0.01).
- 包括SNR,CNR和边缘清晰度在内的客观指标在DLRLGE图像中显著更高 (P <0.01).
- 通过DLR在75%的降噪水平实现了最佳的主观图像质量.
结论:
- 基于深度学习的MR重建有效地减少了心血管LGE成像中的噪音.
- 与传统方法相比,DLR 增强了图像对比度和清晰度,导致图像质量优越.
- 这些发现支持使用DLR来提高LGE成像中的诊断准确性.
