用超短回声时间磁共振成像对脊髓溶解进行深度学习辅助的评估

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:

• 缺口性脊髓溶解是青少年运动员腰部疼痛的常见原因,通常通过CT诊断,CT使用电离辐射.
• 传统的MRI在检测脊椎解剖时的灵敏度有局限性,尽管由于避免辐射,它是可取的.
• 与传统MRI相比,超短回声时间 (UTE) MRI显示有望改善骨对比度.

研究的目的:

• 开发监督深度学习工具,用于从UTE MRI生成CT类图像和骨折概率图.
• 评估这些深度学习工具在使用ex vivo尸体脊柱检测静脉脊髓解剖时的诊断性能.
• 为了比较UTE MRI,生成CT类图像和常规CT之间的定量成像指标.

主要方法:

• 开发了监督深度学习模型,以从尸体脊柱的UTE MRI数据生成CT类图像和突出度图.
• 获得了UTE MRI和CT扫描的ex vivo尸体脊柱.
• 使用对比度与噪声比率 (CNR),平均平方误差 (MSE),峰值信号与噪声比率 (PSNR) 和结构相似度指数 (SSIM) 来定量评估图像质量.

主要成果:

• 深度学习成功地产生了来自UTE MRI的CT类图像,改善了骨质对比度和CNR.
• 与UTE MRI (35) 相比,CT类图像显示出显著更高的CNR (97) 和更接近CT图像的相似性 (146).
• 突出地图有效地突出了可能的断裂位置,有助于快速检测.

结论:

• 与深度学习工具相结合的UTE MRI显示了对静脉脊髓解剖的准确和无辐射诊断的潜力.
• 生成的CT图像为骨折提供了更好的解释性,比传统的MRI更好.
• 需要在临床研究中进一步验证,但这种方法可以显著有利于评估年轻运动员的脊髓溶解.