使用无毒化神经网络对直肠癌加速扩散权重成像的临床评估
Iva Petkovska1, Or Alus2, Lee Rodriguez1
1Department of Radiology, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
European journal of radiology
|October 28, 2024
概括
深度学习消除加速直肠MRI扩散加权成像 (DWI),改善图像质量并减少扫描时间. 这种方法保持了诊断准确性,在新辅助疗法后重新分期直肠癌.
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:
- 在全新辅助疗法 (TNT) 后恢复直肠MRI对于治疗评估至关重要.
- 扩散加权成像 (DWI) 对直肠癌MRI至关重要,但可能耗时.
- 在不损害诊断质量的情况下加速DWI获取是显著的临床需求.
研究的目的:
- 评估一种深度学习的方法,以加速DWI在重置直肠MRI.
- 评估加速DWI对图像质量和诊断准确性的影响.
- 确定这种方法在TNT后的直肠癌患者中的有效性.
主要方法:
- 对46名局部晚期直肠癌患者的直肠MRI扫描进行了回顾性分析.
- 使用一个卷积神经网络来消除加速的DWI收购 (8倍和16倍的加速).
- 两位放射科医生对图像特征和残留疾病的独立评估;对原始图像与无色化图像的统计比较.
主要成果:
- 与标准采集相比,加速和拒绝的DWI保持或改善了病变可见性和图像质量.
- 诊断准确性得到保留,具有高条件特异性 (高达96%).
- 减少了被拒绝的DWI观察到的模两可的解释,显示了改善的测试产量 (76-98%).
结论:
- 基于深度学习的拒绝有效地加速了直肠DWI的获取.
- 这种方法可以提高图像质量,减少扫描时间,同时保持诊断性能.
- 这种方法为更有效的直肠癌管理提供了一个有希望的策略.


