基于深度学习的重建为3维重量T2脂肪和磁共振 (MR) 骨髓学在外周液体检测:图像质量和诊断性能

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 深度学习应用程序

背景情况:

• 重量T2脂肪和磁共振骨髓图 (HT2W-FS MRM) 对于诊断内低血压至关重要.
• 基于深度学习的重建 (DLR) 提供了MR图像质量的潜在改进,包括信号噪声比和清晰度,而不会增加扫描时间.

研究的目的:

• 为了比较DLR的诊断性能和图像质量与3D HT2W-FS MRM的常规重建 (CR).
• 评估DLR在怀疑内低血压的患者中检测外腔液的有效性.

主要方法:

• 对21个HT2W-FSMRM检查 (CR和DLR) 在正静性头痛患者的回顾性分析.
• 通过三个阅读器对信号噪声比率的定量评估和图像质量和文物的定性分级.
• 用接收器操作曲线 (AUC) 下的面积和观察者间协议来检测外周液的诊断性能评估.

主要成果:

• 与CR相比,DLR显著提高了定量和主观图像质量,并减少了文物 (P<0.001).
• 对于外周液检测,DLR显示出更高的诊断性能 (阅读器1的AUC:0.965与0.929,P=0.007;阅读器2的AUC:0.877与0.834,P=0.040).
• DLR显著增强了硬质体的显着性 (P<0.014对于阅读器1,P<0.001对于阅读器2和3).

结论:

• DLR显著提高了HT2W-FS MRM图像质量和用于检测外周液的诊断性能.
• DLR可能会增加对诊断内低血压原因的信心.
• 这些发现支持DLR在脊柱MRI成像中的临床实用性.