使用3D快速旋转回声序列进行T2加权的直肠癌成像,具有和没有深度学习重建:一项读者研究

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 直肠磁共振成像 (MRI) 对于分期直肠癌至关重要.
• T2加权 (T2W) 三维 (3D) 快旋回声 (FSE) 序列是直肠MRI的标准.
• 深度学习重建 (DLR) 是一种新兴的提高图像质量的技术.

研究的目的:

• 为了比较DLR的图像质量和临床实用性与T2W 3D FSE直肠MRI的传统重建.
• 评估DLR在鉴定直肠癌特征方面的诊断性能.

主要方法:

• 一项涉及50名直肠癌患者进行T2W 3D FSE直肠MRI的比较研究.
• 在2020年7月至2021年1月期间连续获取数据.
• 三名放射科医生评估了图像质量 (SNR,文物,整体质量) 和临床偏好,评估了瘤入侵和边缘等特定特征.

主要成果:

• 无论是DLR还是传统的重建,都产生了中等到良好的图像质量.
• 在几乎所有评估的类别中,DLR比传统的重建更受欢迎.
• 唯一不喜欢DLR的例外是肠壁层.

结论:

• 传统和DLR方法都为T2W 3D FSE直肠MRI提供了可接受的图像质量.
• 对于直肠癌成像,DLR显示出优越的临床偏好,而不是传统的重建.
• DLR显示出显著的潜力,可以提高直肠MRI的诊断准确性.