在德国国家队列研究中,自动图像质量评估用于在多个磁共振图像采集中进行选择

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 医疗保健中的人工智能

背景情况:

• 低标准的磁共振成像 (MRI) 质量往往需要协议重复.
• 从多个收购中选择最好的图像对临床医生来说是一个挑战.
• 自动化工作流可以简化选择高质量的MRI数据.

研究的目的:

• 评估自动化图像质量评估,以预测主观偏好的MRI采集.
• 确定定量图像参数在指导选择最佳MRI扫描中的有效性.
• 评估自动化质量指标的实用性,以支持读者对MRI的决策.

主要方法:

• 来自德国国家队列 (NAKO) 研究的11,347次全身MRI检查的分析.
• 自动推导多达11个定量图像质量参数从重复采集.
• 应用规范化回归和诊断准确度估计来预测技术家偏好.

主要成果:

• 技术人员在79.9%的案例中更喜欢重复收购,保留了最初的设置.
• 在选择和丢弃的收购之间观察到图像质量参数的显著差异.
• "结构化噪声最大值"和"N/2幽灵平均值"是技术人员选择的关键预测因素.
• 结合的参数实现了预测偏好的ROC曲线下面面积为0.510.74.

结论:

• 自动化图像质量评估可以大大帮助识别主观偏好的MRI采集.
• 定量图像参数为读者在MRI选择中提供了有价值的决策支持.
• 该系统有望提高MRI解释的效率和一致性,尽管协议变化.