膀MRI与基于深度学习的重建:使用VI-RADS进行肌肉侵入性的前性评估
Xinxin Zhang1, Yichen Wang1, Xiaojuan Xu1
1Department of Diagnostic Radiology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, No. 17 Panjiayuan Nanli, Chaoyang District, Beijing, 100021, China.
Abdominal radiology (New York)
|April 23, 2024
概括
深度学习重建 (DLR) 显著提高了膀MRI质量,减少了扫描时间. 这种技术在膀癌评估中保持了膀成像报告和数据系统 (VI-RADS) 的诊断准确性.
科学领域:
- 放射学 放射学是指放射学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 膀癌的诊断依赖于磁共振成像 (MRI).
- 目前的MRI协议可能会耗费大量时间.
- 优化MRI序列对于有效和准确的诊断至关重要.
研究的目的:
- 评估深度学习重建 (DLR) 对膀MRI的影响.
- 使用膀成像报告和数据系统 (VI-RADS) 评估检查时间,图像质量和诊断性能的变化.
主要方法:
- 对70名膀癌患者进行前性研究.
- 将标准T2加权成像 (T2WI_S) 和扩散加权成像 (DWI_S) 与快速DLR增强序列 (T2WI_DL,DWI_DL) 进行比较.
- 评估图像质量 (SNR,CNR,定性分数) 和VI-RADS性能.
主要成果:
- DLR序列 (T2WI_DL,DWI_DL) 将获取时间缩短了45% (5:57分钟到 3:13分钟).
- 显著改善了SNR,CNR和定性图像质量 (整体质量,清晰度,损伤明显性).
- 表面扩散系数 (ADC) 或VI-RADS诊断性能 (AUC) 没有显著差异.
结论:
- 深度学习重建有效地减少了膀MRI检查时间.
- DLR显著提高图像质量,而不会影响VI-RADS的诊断准确性.
- DLR是评估膀癌肌肉入侵的有希望的工具.


