优化图像质量高分辨率,基于深度学习的扩散加权成像在乳腺癌患者在1.5T
Susann-Cathrin Olthof1, Elisabeth Weiland2, Thomas Benkert2
1Department of Diagnostic and Interventional Radiology, University Hospital of Tuebingen, 72076 Tuebingen, Germany.
Diagnostics (Basel, Switzerland)
|August 29, 2024
概括
与标准DWI相比,一种新的深度学习扩散加权成像 (DL-DWI) 序列用于乳腺MRI提供更优质的图像质量和更快的采集速度. 这种先进的DL-DWI技术提高了乳腺癌成像的诊断信心.
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:
- 扩散加权成像 (DWI) 对于乳房MRI至关重要,但标准序列可以通过分辨率和采集时间来限制.
- 深度学习 (DL) 技术在改善医学成像质量和效率方面表现有前途.
研究的目的:
- 评估基于高分辨率深度学习 (DL) 的DWI序列 (DWIDL) 与用于1.5T乳房MRI的标准DWI序列 (DWIStd) 相比.
- 为了比较DWIDL和DWIStd之间的图像质量,诊断信心和采集时间.
主要方法:
- 一项前性研究包括38名乳腺癌患者,他们用1.5T的DWIStd和DWIDL序列进行扫描.
- 图像质量,清晰度,文物,对比度,噪音和诊断信心都使用利克尔特尺度得分.
- 分析了损伤直径,信号噪声比 (SNR) 和获取时间.
主要成果:
- DWIDL显示出显著优越的图像质量,清晰度,噪音,对比度和诊断信心 (p <0.02).
- 虽然在一个读者 (p < 0.01) 的DWIDL中,文物略高一些,但这没有影响诊断信心.
- 对于b 50和ADC地图 (p = 0.07),SNR在DWIDL中较高,获取时间减少了22%.
结论:
- 基于DL的DWI序列为1.5T的乳房MRI提供了更高的分辨率和更快的获取速度.
- 这种先进的DWI技术提供了更好的图像质量和诊断信心,只增加了最小的文物.
- 基于DL的DWI代表了乳腺癌成像的有希望的进步,提高了效率和诊断性能.
