通过基于深度学习的重建来提高白质超强度的FLAIR MRI图像质量和病变检测
Jie Ping Sun1, Chun Xiao Bu1, Jing Han Dang1
1Department of MRI, The First Affiliated Hospital of Zhengzhou University, 450052, Zhengzhou, China.
Asian journal of surgery
|October 5, 2024
概括
深度学习重建 (DLR) 显著改善了白质超强度 (WMH) 检测和图像质量,与3.0TMRI扫描上的常规重建 (CR) 相比. 在评估退行性疾病时,DLR增强了病变可视化和阅读器可靠性.
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:
- 退行性疾病需要先进的成像技术来进行准确的评估.
- 白质过强度 (WMH) 是各种神经疾病的常见标志物.
- 在3.0TMRI扫描上评估WMH与传统方法存在挑战.
研究的目的:
- 调查深度学习重建 (DLR) 的有效性,以改善3.0TMRI上的WMH评估.
- 将DLR的病变检测能力与传统重建 (CR) 进行比较.
主要方法:
- 131名参与者接受了3.0TMRI扫描.
- 图像被盲目的读者评估为主观质量和WMH严重程度 (Fazekas尺度).
- 统计分析包括威尔科克森签名的等级测试和测量器间可靠性测量 (加权k,ICC).
主要成果:
- DLR获得的主观图像质量得分明显高于CR (P < 0.001).
- DLR在检测WMH病变方面表现出卓越的表现.
- 与CR相比,读者认为DLR的病变可视化更清晰.
结论:
- 深度学习重建对WMH评估的传统重建具有显著的优势.
- DLR提高了主观图像质量,病变检测灵敏度和读者之间的可靠性.
- DLR显示了改善对退行性疾病中白质异常的评估的希望.
