加速T2W成像与深度学习重建在分期直肠癌:一项初步研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 深度学习重建 (DLR) 显示了加速MRI扫描时间的希望.
• 关于DLR在加速直肠癌分期中的有效性存在有限的研究.
• 优化DLR以缩短扫描时间,同时保持诊断质量至关重要.

研究的目的:

• 为了确定最佳的深度学习重建 (DLR) 级别,以节省虚拟实验中的时间.
• 评估使用DLR加速T2W成像用于患者直肠癌分期的可行性.
• 为了比较加速DLR和传统MRI协议之间的图像质量和诊断性能.

主要方法:

• 进行了幻影实验,以评估各种DLR级别的分辨率,信号噪声比 (SNR) 和图像质量.
• 52名直肠癌患者接受了加快的T2WMRI,并进行了高度退化的DLR (DLR_H_40sec) 和常规重建 (ConR_2min).
• 图像质量和TN分期的诊断性能由不同经验水平的放射科医生评估.

主要成果:

• 幻影研究表明DLR_H在缩短的扫描时间内实现了优越的SNR,细节明显性和清晰度,在最小的扭曲下实现了细节明显性和清晰度.
• 与ConR_2min相比,DLR_H_40sec图像显示了增强的清晰度和SNR.
• 通过DLR_H_40sec在所有观察者体验水平上改进了病态TN阶段的协议.
• 用于识别晚期瘤 (T3-4) 和结节参与 (N1-2) 的接收器操作特征曲线 (AUC) 下的区域在DLR_H_40sec和ConR_2min之间是可比的.

结论:

• 使用高度消极化的DLR (DLR_H_40sec) 的加速T2W成像显著减少了三分之二的扫描时间.
• DLR_H_40sec提供了比传统重建更好的图像质量 (清晰度,SNR).
• 这种加速的DLR方法保持了直肠癌TN阶段的诊断性能,为传统的MRI协议提供了可行的替代方案.