基于深度学习的重建对加速对比增强部MRI质量的影响

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:

• 传统的MRI技术可能受扫描时间和图像质量限制.
• 深度学习 (DL) 为图像重建和加速提供了潜力.

研究的目的:

• 为了比较深度学习重建的轮旋回回声 (DL-TSE) 与常规插入的轮旋回回声 (Conv-TSE) 在对比增强的部MRI中的图像质量.
• 评估DL-TSE对扫描时间和诊断性能的影响.

主要方法:

• 使用3T扫描仪从106名患者获得了对比度增强的T1加权DL-TSE和Conv-TSE图像.
• DL-TSE使用了一个特定的算法来进行插值和排斥,从而缩短扫描时间.
• 评估了图像质量指标,包括不均性,对比度和噪声比,以及半最大全宽度 (FWHM).
• 神经放射学家评估了整体质量,清晰度,粘膜显著性,文物和病变检测.

主要成果:

• 在DL-TSE检测中,静止幻影扫描更清晰,患者扫描中对比度和噪声比率更高.
• 在DL-TSE中观察到显著改善区域粘膜FWHM,特别是在口腔喉和下喉.
• DL-TSE产生了更高的整体图像质量和清晰度,改善了粘膜明显性和病变检测可靠性.
• 虽然DL-TSE减少了体外幽灵文物,但重叠的解剖结构的文物略显.

结论:

• 在加速部MRI中基于DL的重建显著提高了运动易感区域的图像质量,清晰度和粘膜显著性.
• DL-TSE提高了病变检测的可靠性,并大大减少了扫描时间.
• 尽管有一些文物权衡,DL-TSE在对比增强的部MRI中显示了增强的诊断性能.