使用Denoising深度学习重建的肩关节薄切片二维MRI成像提供了比3DMRI成像更高的图像质量

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) 对于肩关节的评估至关重要.
• 在肩部MRI中优化图像质量和诊断效率仍然是一个持续的挑战.
• 正在探索先进的重建技术,以提高MRI性能.

研究的目的:

• 为了比较薄切片2D脂肪和质子密度加权MRI序列的诊断效用,并行成像,部分里埃技术和基于深度学习的重建 (dDLR) 与传统的3D脂肪和质子密度多平面voxel图像进行肩关节评估.
• 评估增强的二维MRI技术的无色化效果和质量性能.

主要方法:

• 包括18名接受肩关节3T核磁共振扫描的患者.
• 用变化系数 (CV) 来量化dDLR在二维序列中的消极效应.
• 两名放射科医生使用五点利克特尺度对增强的二维和标准的三维图像进行了定性评估,对解剖结构,噪声和文物进行了定性评估,并计算了统计分析和Gwet的协议系数.

主要成果:

• 使用dDLR重建的2D图像的变化系数 (CV) 与没有dDLR的2D图像相比显著较低 (P <0.05),表明有效的无噪声.
• 放射科医生对增强的2D图像的评分高于3D图像,用于描绘解剖结构和噪声水平 (P <0.05),这两种技术的评分之间几乎完全一致.
• 增强的2D技术显示出比3D技术更大的可重复性趋势.

结论:

• 用平行成像,部分里埃技术和dDLR增强的薄切片2DMRI序列,在可视化肩关节结构方面优于3DMRI.
• 先进的2D技术有效地减少了图像噪声,从而提高了图像质量,并可能提高肩部MRI的诊断准确性.
• 基于深度学习的重建显示了优化肌肉骨成像中的2DMRI协议的显著前景.