传统的扩散加权成像和多重感应编码的比较,结合乳腺磁共振成像中的基于深度学习的重建

科学领域:

• 磁共振成像 (MRI) 是一种磁共振成像技术.
• 医学成像技术 医学成像技术
• 放射学 放射学是一门学科.

背景情况:

• 传统的扩散权重成像 (DWI) 是乳腺MRI的标准技术.
• 复杂感度编码 (MUSE) 是一种先进的技术,旨在提高图像质量.
• 基于深度学习的重建 (DLR) 正在成为MRI图像处理的强大工具.

研究的目的:

• 评估将多重感应编码 (MUSE) 与基于深度学习的重建 (DLR) 结合用于乳房成像的可行性.
• 将MUSE与DLR的性能与传统的扩散权重成像 (DWI) 和单独的MUSE进行比较.
• 评估组合技术的图像质量指标和诊断性能.

主要方法:

• 传统的一次性DWI和MUSE数据来自接受乳房MRI的女性参与者.
• 使用传统方法和DLR.数据进行了MUSE数据的重建.
• 两个放射科医生进行了定量 (SNR,CNR,ADC) 和定性 (利克尔特尺度) 分析.

主要成果:

• 与单独使用MUSE相比,使用DLR (MUSE-DLR) 的MUSE显示了显著更高的信号噪声比 (SNR).
• 与传统DWI相比,MUSE和MUSE-DLR的整体图像质量显著提高,几何扭曲性降低,并改善了状淋巴结的可视化.
• 表面扩散系数 (ADC) 值在三个序列中没有显著差异.

结论:

• 与传统的DWI相比,MUSE-DLR为乳房MRI提供了更优质的图像质量.
• 结合MUSE和DLR是可行的,可以提高图像质量,而不会显著改变采集时间.
• 这种技术有望提高乳房MRI的诊断准确性.