具有全面诊断深度学习图像重建的IDH突变质瘤的多学科定量和定性评估
Christer Ruff1, Paula Bombach2,3,4, Constantin Roder4,5
1Department of Diagnostic and Interventional Neuroradiology, Eberhard Karls-University Tuebingen, Tuebingen D-72076, Germany.
European journal of radiology open
|December 24, 2024
概括
与传统方法相比,MRI中的基于深度学习的重建 (DLR) 显著提高了IDH突变质瘤的图像质量. 这种先进的技术提高了诊断的准确性,并简化了神经瘤学中的临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
背景情况:
- 对IDH突变性质瘤的诊断准确性和治疗决策依赖于MRI和多学科输入.
- 评估先进的成像技术对于优化患者护理至关重要.
研究的目的:
- 评估基于深度学习的重建 (DLR) 在IDH突变质瘤的MRI中的可行性和性能.
- 在定性和定量图像质量方面,将DLR与常规重建 (CR) 进行比较.
主要方法:
- 一个多学科团队 (神经放射学家,神经外科医生,神经瘤学家,放射治疗师) 评估了DLR和CR MRI序列.
- 定性图像质量由评级人员评估,以及SNR和CNR等定量指标.
- 使用神经瘤学响应评估 (RANO) 2.0标准测量瘤体积.
主要成果:
- 在所有评分器中,DLR序列在定性图像质量方面显著优于CR序列 (p < 0.001).
- 与CR相比,DLR显示了较高的SNR和CNR值 (p < 0.001).与CR相比,DLR显示了较高的SNR和CNR值 (p < 0.001).
- 在DLR和CR序列之间没有发现瘤体积测量的显著差异 (p = 0.142).
结论:
- 基于深度学习的重建 (DLR) 在IDH突变质瘤的MRI中是临床可行的.
- 与CR相比,DLR可节省大量时间 (29.6%) 和图像质量不逊色.
- 对DLR强烈的多学科偏好突出了其增强神经瘤学决策和临床实施的潜力.
