深度学习加速单次轮旋转回声序列的临床可行性与3特斯拉的胰腺MRI增强的无声化
Jeong Woo Kim1, Bit Na Park1, Dominik Nickel2
1Department of Radiology, Korea University Guro Hospital, Korea University College of Medicine, Seoul, South Korea.
European journal of radiology
|September 21, 2024
概括
基于深度学习的HASTE MRI重建显著减少了胰腺MRI采集时间,并改善了评估囊性病变的图像质量. 这种增强的HASTE (HASTEDL) 提供了更高的信号噪声比和更低的读者间变化.
科学领域:
- 放射学 放射学是指放射学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 胰腺MRI对于诊断囊性病变至关重要.
- 传统的HASTE序列可能会耗时.
- 基于深度学习的重建提供了图像增强和加速的潜力.
研究的目的:
- 评估一次性轮旋转回声序列与基于深度学习的重建 (HASTEDL) 的可行性,并增强胰腺MRI的无声化.
- 在图像质量和诊断实用性方面,将HASTEDL与传统的HASTE进行比较.
主要方法:
- 一项前性研究包括接受胰腺MRI的患者.
- 获得了四个T2加权序列:常规的HASTE,HASTEDL与denoising,以及它们的脂肪抑制变体.
- 图像质量参数,信号与噪声比 (SNR),对比与噪声比 (CNR) 以及损伤/导管测量被两个独立的读取器评估.
主要成果:
- HASTEDL获取时间显著减少 (18秒比69秒).
- HASTEDL显示出优越的图像质量,较高的SNR病变和腹膜,并改善了整体图像质量得分.
- 对囊大小和管道直径测量与HASTEDL.观察到较低的读者间变异性.
结论:
- 增强排毒的HASTEDL是胰腺MRI的一个可行的技术.
- 这种方法显著减少了扫描时间,同时提高了评估胰腺囊性病变的图像质量.
- HASTE显示了改善胰腺成像诊断效率和准确性的承诺.


