基于临床评级和图像质量评估的AI加速T2加权脑MRI的评估

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T2-旋回声 (T2_(CN)) MRI是脑成像的一个标准.
• 深度学习 (DL) 方法正在出现,以加速MRI获取和重建.
• 评估基于DL的MRI重建与传统方法相比,对于临床采用至关重要.

研究的目的:

• 为了比较基于DL的商业MRI重建 (T2_(DR)) 与传统的T2-旋回声 (T2_(CN)) 大脑MRI.
• 评估临床图像质量评级和信号与噪声比 (SNR) 指标.
• 为了确定基于DL的方法的诊断适用性.

主要方法:

• 100名患有神经疾病的患者在3T扫描仪上接受了T2_(DR)和T2_(CN)MRI.
• 获取时间:3.33分钟 (T2_(CN)) 与1.04分钟 (T2_(DR)) 相比.
• 四名神经放射学家对图像质量,诊断安全性和文物进行了评价;计算了SNR和SNR_eff.

主要成果:

• 对文物,整体图像质量 (OIQ) 或诊断安全性 (DS) 的非诊断评级没有显著差异.
• 传统的T2_(CN)显示出明显更好的OIQ (p=0.003) 和更少的文物 (p<0.001).
• T2_(CN)具有更高的SNR (157.9比112.8),但T2_(DR)具有更高的SNR_eff (14.1比10.8),调整以获得时间.

结论:

• 基于深度学习的T2_(DR)MRI在临床上适用,但不符合传统T2_(CN)收购的高标准.
• 更快地获取T2_(DR)是一个显著的优势,尽管图像质量指标有利于T2_(CN).
• 进一步的研究可能会优化DL重建,以改善临床实践中的图像质量.