深度学习重建对用计算机断层扫描评估椎脊柱管狭窄症的影响
Yuta Ohtake1, Koichiro Yasaka, Akiyoshi Hamada
1From the Department of Radiology, The University of Tokyo Hospital, Tokyo, Japan.
Journal of computer assisted tomography
|November 10, 2023
概括
深度学习重建 (DLR) 提高了椎脊柱CT图像质量,用于评估脊柱狭窄,比混合代重建 (混合IR) 提供更低的噪音和更好的结构描绘. 这提高了无法接受MRI的患者的诊断准确性.
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:
- 磁共振成像 (MRI) 是评估椎脊柱管狭窄症的标准.
- 如果患者不符合MRI的条件,则需要使用其他成像技术.
- 计算机断层扫描 (CT) 是一种替代方案,但图像质量可能是一个限制.
研究的目的:
- 为了比较深度学习重建 (DLR) 与混合代重建 (混合IR) 的疗效,用于使用CT评估椎道狭窄.
- 评估图像质量指标,包括噪音和结构描绘.
- 评估CT技术和MRI之间的诊断一致性.
主要方法:
- 对33名接受椎CT的患者的回顾性分析.
- 使用DLR和混合IR的图像重建.
- 由两个放射科医生进行的数量噪声评估和图像质量和狭窄的定性评估.
- 在15名患者中,CT检测结果与手术前MRI的比较.
主要成果:
- 与混合IR相比,DLR显示图像噪声显著降低 (定量P ≤ 0.0395 ,主观P ≤ 0.0023).
- DLR改善了大多数解剖结构的描绘 (P ≤ 0.0052) 和整体图像质量 (P ≤ 0.0118).
- 用DLR (0.7390) 与混合IR (0.7038) 进行脊柱管狭窄评估的优异观察者间协议.
结论:
- 与混合代重建相比,深度学习重建为评估椎脊柱狭窄的宫脊椎CT图像质量提供了更好的结果.
- DLR提高了诊断信心和基于CT的宫脊柱管狭窄的评估的准确性.
- DLR代表了CT成像在脊柱狭窄评估中的有希望的进步,特别是在MRI不合格的患者中.
