探索FOCUS DWI与深度学习重建用于乳腺癌诊断的可行性:与传统DWI进行比较研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 扩散加权成像 (DWI) 对于乳腺癌检测至关重要.
• 传统的酒后驾驶技术可能会受到文物和扭曲的限制.
• 优化DWI协议对于准确的诊断至关重要.

研究的目的:

• 为了比较视野 (FOV) 优化和受约束的未扭曲的单次射击扩散权重成像 (FOCUS DWI) 与基于深度学习的重建 (DLR) 与用于乳房成像的常规DWI.
• 评估DLR对图像质量和诊断性能的影响.

主要方法:

• 预计将招募49名怀疑患有乳腺癌的女性患者.
• 采购传统的DWI和FOCUS DWI数据集,有或没有DLR.
• 独立的放射科医生评估使用主观图像质量的5点利克特尺度.
• 对信号与噪声比率 (SNR),对比与噪声比率 (CNR) 和明显扩散系数 (ADC) 的客观分析.

主要成果:

• 与传统DWI相比,FOCUS-DLR DWI在整体图像质量,解剖细节,病变明显性和减少文物/扭曲方面表现出明显更高的得分 (P < 0.001).
• 焦点-DLR DWI的SNR显著高于常规和焦点DWI (P < 0.001).
• 在所有测试的DWI技术中,CNR和ADC值是可比的.

结论:

• 与传统的DWI相比,FOCUS-DLR DWI在乳房成像中提供了更优质的图像质量和诊断性能.
• 基于深度学习的重建 (DLR) 提供了一种有前途的方法来增强乳腺DWI.
• 这些发现支持FOCUS-DLR DWI在乳腺癌评估中的临床适用性.