用 T2w-STIR 序列与基于深度学习的重建方法评估宫脊椎病的图像质量和诊断准确性
Qiuying Tao1, Kaiyu Wang2, Baohong Wen1
1Department of Magnetic Resonance Imaging, The First Affiliated Hospital of Zhengzhou University, No.1 Jianshe Dong Road, ErQi District, Zhengzhou, Henan, China.
概括
基于深度学习的重建 (DLR) 显著提高了3.0T椎脊柱MRI图像质量,并减少了扫描时间. 这种先进的技术提高了诊断性能和宫脊椎成像的观察者间协议.
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:
- 传统的3.0T椎脊柱MRI序列可能受到图像质量和诊断效果的限制.
- 观察者间的变化可能会影响椎脊柱成像的诊断准确性.
- 基于深度学习的重建 (DLR) 为提高MRI图像质量和效率提供了一个潜在的解决方案.
研究的目的:
- 评估DLR在提高3.0T椎快速MRI图像质量的有效性.
- 评估DLR对观察者间共识和诊断疗效的影响.
- 为了将DLR处理的图像与传统的MRI序列进行比较.
主要方法:
- 71名志愿者接受了3.0T的宫脊椎MRI,图像采用了使用斜T2加权的短T1反转恢复序列获得的图像,无论是带有还是没有DLR (斜T2w-STIR与STIR). 萨格T2w-STIR-DLR). 这是一个很好的例子.
- 图像质量参数包括文物,信号噪声比,组织接口清晰度,脂肪抑制和整体质量被评估.
- 解剖结构的划定和各种病理的评估,如狭窄,椎间盘和退化,由三个独立的读者进行.
主要成果:
- 与传统序列相比,DLR处理图像 (Sag T2w-STIR-DLR) 的图像质量明显优越 (p < 0.001).
- 对于DLR图像 (0.604-0.931) 来说,观察者之间的一致性比传统图像 (0.545-0.853) 高.
- 采集时间从DLR.的364秒大幅缩短到197秒.
结论:
- DLR处理3.0T快速的宫脊椎MRI显著提高了图像质量.
- DLR改善了宫脊椎MRI的诊断性能和观察者之间的协议.
- 实施DLR导致宫脊椎MRI扫描时间缩短.
