在前列腺癌患者中对深度学习重建的高分辨率薄切片T2加权图像进行前列腺外延伸的评估

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 精确的前列腺癌分期 (PCa) 对于治疗规划至关重要.
• 前列腺外延伸 (EPE) 是影响治疗决策的关键预后因素.
• 先进的MRI技术旨在改善EPE的检测.

研究的目的:

• 为了比较常规T2加权图像 (T2WI_conv) 与高分辨率薄片T2WI (T2WI_HR) 的诊断性能和图像质量,有或没有深度学习重建 (DLR),用于检测PCa患者的EPE.
• 为了确定在PCa中评估EPE的最佳MRI序列.

主要方法:

• 对88名经过激进前列腺切除术的PCa患者的3T-MRI数据的回顾性分析.
• 评估了三个图像数据集:T2WI_conv (3毫米切片厚),T2WI_HR没有DLR (2毫米切片厚),T2WI_HR与DLR (2毫米切片厚).
• 两个独立的审查员使用信心和利克特尺度评估了EPE的存在和图像质量,病理地图作为参考标准.

主要成果:

• 对于EPE检测,T2WI_conv显示出与T2WI_HR与DLR和没有DLR的诊断性能相比显著更好 (AUC:0.883对比0.806对比0.772对于审查者1;0.803对比0.762对比0.745对于审查者2).
• 图像质量最高的是T2WI_conv,其次是T2WI_HR与DLR,然后是T2WI_HR没有DLR (中位数分别为3,4,5).
• 对诊断性能 (p=0.0006和p=0.022) 和图像质量 (p<0.0001) 均观察到统计学意义.

结论:

• 传统的T2加权成像提供了卓越的诊断性能和图像质量,用于评估前列腺癌患者的前列腺外延伸.
• 高分辨率的T2WI,即使使用深度学习重建,也没有超过EPE检测的传统序列.
• T2WI_conv仍然是评估PCa中的EPE的最佳MRI序列.