图像质量和诊断性能加速2D部MRI与基于深度代层次网络的深度学习重建的加速2D部MRI
Judith Herrmann1, Saif Afat1, Sebastian Gassenmaier1
1Department of Diagnostic and Interventional Radiology, Eberhard Karls University Tuebingen, Hoppe-Seyler-Strasse 3, 72076 Tuebingen, Germany.
Diagnostics (Basel, Switzerland)
|October 28, 2023
概括
深度学习重建 (DL) 显著改善部MRI图像质量,减少扫描时间. 这种加速方法 (TSEDL) 提供了可行的,高质量的部成像,诊断性能与标准序列相提并论.
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:
- 标准的部MRI序列 (TSES) 具有很长的获取时间,可能会影响患者的舒适性和吞吐量.
- 加速核磁共振技术往往会损害图像质量,这对常规临床使用构成挑战.
研究的目的:
- 为了将标准的2D轮旋回回声 (TSES) 序列与使用深度学习 (DL) 重建 (TSEDL) 进行部MRI的加速2D TSE序列进行比较.
- 评估TSE的可行性,图像质量和诊断性能在1.5T和3T.
主要方法:
- 展望性,单心研究涉及14名接受部MRI的患者.
- 在同一患者中,标准TSES和加速TSEDL序列的比较.
- 放射科医生评估图像质量,文物,噪音,清晰度和使用利克尔特尺度的诊断信心.
主要成果:
- 与TSES (p ≤0.020) 相比,TSEDL显示出明显优异的图像质量,降低了噪音,并提高了边缘清晰度.
- 在文物,诊断信心或解剖结构划分方面没有发现显著差异 (p > 0.05).
- 通过TSEDL,获得时间缩短了52%的3T和70%的1.5T.
结论:
- 深度学习重建 (TSEDL) 是临床上可行的部MRI.
- TSEDL提供了出色的图像质量,并大大减少了扫描时间.
- TSEDL的诊断性能相当于标准的TSES序列.


