深度学习方法用于乳腺癌常规和合成扩散加权成像的临床可行性:定性和定量分析
Eun Cho1, Hye Jin Baek2, Eun Jung Jung3
1Department of Radiology, Gyeongsang National University School of Medicine and Gyeongsang National University Changwon Hospital, 11 Samjeongja-ro, Seongsan-gu, Changwon 51472, Republic of Korea.
European journal of radiology
|December 1, 2024
概括
基于深度学习 (DL) 的扩散加权成像 (DWI) 显示,与传统的DWI相比,乳腺癌的病变显著性和划分有所改善. 这种先进的技术提供了临床可行性和更短的获取时间,以获得更好的诊断准确性.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 扩散加权成像 (DWI) 对于乳腺癌诊断至关重要.
- 传统的DWI (cDWI) 和合成的DWI (sDWI) 在图像质量和获取时间方面都有局限性.
- 深度学习 (DL) 提供了重建高质量的DWI图像的潜力.
研究的目的:
- 评估基于DL的CDWI和SDWI重建的临床可行性.
- 在患有乳腺恶性瘤的患者中,将DL重建的DWI (DL-DWI) 与cDWI和sDWI进行比较.
- 评估DL-DWI的定性和定量性能指标.
主要方法:
- 对115名乳腺癌患者的回顾性分析.
- 获得cDWI (b=800秒/mm2),sDWI (b=1500秒/mm2),DL-DWI (b=800秒/mm2) 和合成DL-DWI (b=1500秒/mm2) 的情况.
- 由两名放射科医生进行的独立定性评估 (利克尔特尺度) 和定量分析 (SNR,CNR,CPR).
主要成果:
- 与cDWI和sDWI (P <0.05) 相比,DL-DWI (b=800) 和sDL-DWI (b=1500) 显示出较高的损伤明显性和胸部结构划分.
- 在DL-DWI/sDL-DWI和cDWI/sDWI (P > 0.05) 之间,正常的帕伦基马信号是可比的.
- 在sDL-DWI和sDWI之间,或在SNR,CNR和CPR的DL-DWI和cDWI之间,没有观察到SNR和CNR的显著差异.
结论:
- 基于DL的DWI重建在高b值的定性和定量评估中优于传统和合成DWI.
- DL-DWI为乳腺恶性瘤提供了更好的图像质量和诊断潜力.
- DL-DWI实现了更短的获取时间,提高了临床工作流的效率.
