使用零回声时间MRI与深度学习图像重建的肩膀骨评估

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 零回声时间 (ZTE) MRI对于肩膀成像非常有价值,但骨细节可能有限.
• 标准护理 (SOC) 重建方法可能无法完全优化骨评估的图像质量.

研究的目的:

• 评估基于深度学习的重建算法 (DLRecon) 用于ZTE肩部MRI.
• 为了确定DLRecon是否与SOC相比,改善了骨发现的划界.

主要方法:

• 从52名患者的63个肩膀ZTEMRI检查 (1.5特斯拉) 的回顾性分析.
• 使用SOC和原型DLRecon算法重建原始数据.
• 由两个盲人读者进行的定性 (图像质量,骨划分,信心) 和定量 (SNR,CNR) 评估.

主要成果:

• DLRecon显示的图像质量得分明显高于SOC (p < 0.03),不包括文物.
• 用DLRecon进行骨病理划分和诊断信心的优质质评分 (p ≤0.03).
• DLRecon获得了明显更好的骨 CNR (95% CI [1.4-3.1]) 和 SNR (95% CI [15.3-21.5]) (p < 0.001).

结论:

• DLRecon可以提高ZTE肩部MRI中的图像质量.
• 改善了骨病理的划线,提高了骨评估的诊断信心.
• 在肩膀MRI中,DLRecon显示出用于常规临床使用的前景.