深度学习重建与常规加速相结合,改善了3T脑MRI的图像质量,并没有影响定量扩散指标
Caroline Wilpert1, Maximilian Frederic Russe, Jakob Weiss
1From the Department of Diagnostic and Interventional Radiology, University Medical Center Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany (C.W., M.F.R., J.W., C.V., S.R., F.B.); EMEA Scientific Partnerships, Siemens Healthcare GmbH, Erlangen, Germany (R.S.); MR Application Predevelopment, Siemens Healthcare GmbH, Erlangen, Germany (R.S.); Medical Physics, Department of Radiology, Medical Center, University of Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany (M.R., R.B., M.Z.); Department of Stereotactic and Functional Neurosurgery, University Medical Center Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany (M.R.); and Department of Neuroradiology, University Medical Center Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany (H.U., A.R.).
深度学习重建与常规加速相结合,显著提高脑MRI扩散权重成像质量和速度. 然而,加快加速可能会引入人工物,需要对临床使用进行仔细考虑.
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:
- 在MRI中进行深度学习 (DL) 重建可以提高加速序列图像质量或生成高分辨率数据.
- 评估DL技术,如深度分辨率提升 (DRB) 与常规加速相结合,对于优化MRI协议至关重要.
研究的目的:
- 评估将传统加速与基于DRB的重建相结合对3T脑MRI单射回声平面成像 (ssEPI) 扩散权重成像 (DWI) 图像质量的影响.
- 将这些先进的技术与标准的DWI序列进行比较.
主要方法:
- 一项前性研究,涉及24名患者接受标准ssEPI DWI和调整的ssEPI DWI序列与DRB重建.
- 图像质量,噪音,清晰度和工件的定性评估,以及明显扩散系数 (ADC) 值的定量比较.
主要成果:
- 与参考标准 (P < 0.001) 相比,加速DWI获取时间减少了多达50% (39秒).
- 用DRB重建的序列显示显著改善图像质量,清晰度和降低噪声 (P < 0.001),结合常规加速和DL重建的最佳结果.
- 加速和DRB应用的增加导致ADC值的差异更大,由于易感器件,在前极附近观察到罕见的错误的病理ADC和光学.
结论:
- 传统加速和DRB重建的结合有效地提高了图像质量,并减少了脑MRI中ssEPI DWI的获取时间.
- 必须在更高的加速 (对文物潜在) 和高分辨率成像 (更长的采集时间) 之间取得平衡,特别是对于大脑应用.
