在儿科大脑中使用人工智能图像重建技术评估T2W FLAIR MR图像质量
Usha D Nagaraj1,2, Jonathan R Dillman3,4, Jean A Tkach3,4
1Department of Radiology and Medical Imaging, Cincinnati Children's Hospital Medical Center, 3333 Burnet Avenue, Cincinnati, OH, 45229-3026, USA. usha.nagaraj@cchmc.org.
Pediatric radiology
|June 18, 2024
概括
人工智能 (AI) 重建显著提高了儿科大脑MRI图像质量和诊断信心. 与标准方法相比,这种AI技术提供了更好的信号噪声和对比噪声比率.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 儿科神经放射学 儿科神经放射学
背景情况:
- 人工智能 (AI) 重建技术在改善医疗图像质量和减少扫描时间方面表现有前途.
- 临床验证对于确保AI在诊断成像实践中的安全性和有效性至关重要.
研究的目的:
- 为了评估人工智能重建的图像质量和诊断信心,用于儿科脑液减弱反转恢复 (FLAIR) MRI.
- 将人工智能重建的FLAIR图像与小儿科队列中的标准重建方法进行比较.
主要方法:
- 对50名接受脑部MRI的儿科患者进行前性研究.
- 使用标准和人工智能算法 (强度消除噪音) 重建了T2加权的FLAIR图像.
- 两位神经放射学家评估了图像质量,主观信号噪声比 (SNR) 和诊断偏好;对明显的SNR (aSNR) 和明显的对比噪声 (aCNR) 也进行了定量分析.
主要成果:
- 在整体图像质量 (99%),主观SNR (99%) 和诊断偏好 (98%) 方面,AI重建被评为优于标准重建.
- 定量分析显示,AI重建的灰质aSNR,白质aSNR和灰白质aCNR显著更高 (p<0.001).
- 人工智能重建显示了图像质量指标的大幅改善.
结论:
- 在大多数儿科患者中,AI重建显著改善了T2W FLAIR图像质量.
- 人工智能技术代表了儿童大脑MRI的宝贵进步,提高了诊断能力.
