评估图像质量和扫描时间效率在加快3DT1权重的儿童大脑MRI中,使用基于深度学习的重建

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:

• 儿童大脑MRI协议通常涉及很长的扫描时间,这对年轻患者来说可能是具有挑战性的.
• 加速成像技术对于提高患者舒适度和减少运动器件至关重要.
• 深度学习 (DL) 算法在从低样本数据中重建高质量的图像方面表现有前途.

研究的目的:

• 为了评估加快3D T1加权儿科大脑MRI协议与基于DL的重建的影响.
• 与传统方法相比,评估对扫描时间和诊断图像质量的影响.

主要方法:

• 对46名儿科患者进行了回顾性分析,这些患者在3T时接受了传统和加速的3D T1加权脑MRI.
• 使用变化系数,相对对比,aSNR和aCNR对图像质量的定量评估.
• 放射科医生的定性评估评估整体质量,文物,灰白质量差异化和病变明显性.

主要成果:

• 加快方案使扫描时间减少了29.3% (前对比) 和40.7% (后对比).
• 基于DL的重建显著改善了aSNR,aCNR和整体图像质量,同时减少了文物 (P <0.05).
• 损伤的明显性在传统和加速DL重建扫描之间仍然可比.

结论:

• 基于深度学习的重建在加速的3D T1加权儿科大脑MRI中是有效的.
• 这种方法大大缩短了采集时间,并提高了图像质量.
• 它为儿科神经成像提供了一个可行的和有益的选择.