相关实验视频
Updated: Jul 13, 2025
09:30
Quantitative Magnetic Resonance Imaging of Skeletal Muscle Disease
Published on: December 18, 2016
19.6K
使用基于深度神经网络 (DNN) 的重建的高度加速的膝盖磁共振成像:前性,多读器,多供应商研究
Joohee Lee1, Min Jung2, Jiwoo Park1
1Department of Radiology, Research Institute of Radiological Science, and Center for Clinical Imaging Data Science (CCIDS), Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, Seoul, 03722, Korea.
Scientific reports
|October 12, 2023
概括
深度神经网络 (DNN) 重建可将2D快旋回声 (FSE) 膝盖MRI扫描加速41%,保持可比的图像质量和诊断性能. 这种基于DNN的方法显示出对高效的临床MRI实践的希望.
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:
- 加快的MRI技术对于提高患者的吞吐量和舒适性至关重要.
- 深度神经网络 (DNN) 提供了增强MRI图像重建的潜力.
- 快速旋转回声 (FSE) 序列通常用于膝盖成像.
研究的目的:
- 评估基于深度神经网络 (DNN) 的重建的性能,用于加速的2D快速旋转回声 (FSE) 膝盖MRI.
- 评估DNN重建对扫描时间,图像质量和诊断性能的影响.
- 在多个供应商中确定DNN加速膝盖MRI的可行性.
主要方法:
- 展望性,多读者,多供应商研究,涉及45名受试者.
- 在3T扫描仪上获取常规和加速的2D FSE膝盖MRI序列.
- 使用DNN软件 (FSE-DNN) 重建加速的FSE图像.
- 肌肉骨放射学家对定量指标 (SNR,CNR) 和诊断性能进行评估.
主要成果:
- 加速FSE-DNN可平均减少41.0%的扫描时间.
- FSE-DNN显著改善了信号与噪声比 (SNR) 和对比与噪声比 (CNR) (p < 0.001).
- 整体图像质量和病变检测性能与传统的FSE (p > 0.05) 相似.
- 与传统的FSE相比,FSE-DNN观察到良好的读者间协议 (R2 = 0.76,p < 0.001).
结论:
- 基于DNN的重建对于在多供应商平台上加速2D FSE膝盖MRI是有效的.
- 该技术显著减少了扫描时间,同时保持了诊断图像质量.
- 用DNN加速的膝盖MRI具有临床实施的潜力,提高了效率和患者体验.
