深度学习重建的图像质量和诊断性能,用于3T乳房MRI中的扩散加权成像
Eun Ji Lee1, Yun-Woo Chang1, Eun Hye Lee2
1Department of Radiology, Soonchunhyang University Seoul Hospital, 59 Daesakwan-ro, Yongsan-ku, Seoul 04401 Korea.
European journal of radiology
|February 19, 2025
概括
在3T乳腺MRI中,用于扩散权重成像 (DWI) 的深度学习重建 (DLR) 显著提高了比传统方法更好的图像质量. 在不影响诊断性能的情况下,DLR提高了效率和多功能性,提供了实质性的临床价值.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 瘤成像学成像学
背景情况:
- 扩散加权成像 (DWI) 对于乳房MRI至关重要,但传统的单拍回声平面成像 (ss-EPI) 可能受到文物和图像质量的限制.
- 深度学习重建 (DLR) 提供了一个潜在的解决方案,以改善MRI序列中的图像质量.
研究的目的:
- 评估和比较基于DLR的DWI的图像质量和诊断性能,与3T乳腺MRI中的传统SS-EPI相比.
- 评估加速 (快速DLR) 和高分辨率 (HR DLR) 的DLR技术.
主要方法:
- 一项前性研究涉及50名接受3T乳腺MRI与ss-EPI和DLR (快速和HR) DWI序列的患者.
- 两个放射科医生对图像质量参数 (脂肪抑制,模糊,文物,病变明显性) 的独立评估.
- 在三个DWI协议中分析明显扩散系数 (ADC) 值和诊断性能 (AUC).
主要成果:
- 与ss-EPI相比,DLR技术 (快速和HR) 显示出显著优越的图像质量,具有较少的工件.
- 在DLR和ss-EPI之间的平均ADC值或整体诊断性能 (AUC) 中没有发现显著差异.
- 快速DLR显示,恶性,质型病变<2厘米的ADC值的标准偏差较低.
结论:
- 深度学习重建在加速和高分辨率设置中显著提高了3T乳腺MRI中DWI的图像质量.
- DLR DWI不会影响诊断性能,并有可能提高乳腺MRI协议的效率和临床实用性.
