基于深度学习重建的加速直肠MRI的前性和多读者评估:图像质量,诊断性能和阅读时间

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 瘤成像学成像学

背景情况:

• 结直肠癌的诊断严重依赖磁共振成像 (MRI) 进行准确的分期.
• 标准的MRI协议可能耗时,可能会影响患者的吞吐量和舒适度.
• 深度学习重建 (DLR) 提供了一个潜在的解决方案,可以在不影响图像质量的情况下加速MRI采集.

研究的目的:

• 为了比较基于DLR的加速直肠MRI (FSE_DL) 与标准MRI (FSE_标准) 的疗效.
• 评估图像质量,诊断性能和读取时间,以确定直肠腺癌的阶段.

主要方法:

• 在117名患有直肠腺癌的患者中,FSE_标准和FSE_DL序列的潜在个体内比较.
• 定量和定性图像质量评估,包括信号与噪声和对比与噪声的比率.
• 对T阶段,N阶段,外壁血管侵袭 (EMVI) 和中间直肠附带膜 (MRF) 状态的诊断性表现的分析,使用基因病理学作为黄金标准.

主要成果:

• 与FSE_标准相比,FSE_DL减少了65%的获取时间.
• FSE_DL显示出优越的图像质量,包括更高的SNR,CNR,以及提高清晰度和信心的主观评分 (p < 0.001).
• 初级放射科医生显示T分期精度显著提高,FSE_DL的阅读时间减少 (p <0.05).

结论:

• 基于DLR的加速直肠MRI (FSE_DL) 是临床上适用的,提供更好的图像质量和大幅减少扫描时间.
• 通过提高T分期的准确性和减少评估时间,FSE_DL提高了诊断效率,特别是对于初级放射科医生.
• DLR技术在优化直肠MRI检查方面显示出前景,可能减轻患者和医疗保健系统的负担.