通过深度学习加速前列腺 rs-EPI DWI:将扫描时间减半,提高图像质量,并在体内验证
Peipei Zhang1, Zhaoyan Feng1, Shu Chen2
1Department of Radiology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, No.1095 Jie Fang Avenue, Hankou, Wuhan 430030, PR China.
Magnetic resonance imaging
|May 14, 2025
概括
深度学习超分辨率显著减少前列腺MRI扫描时间超过50%,同时保持高图像质量. 这项技术使用像MSSNet这样的模型,有望在诊所中实现更快,更清晰的前列腺扩散权重成像.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 前列腺扩散加权成像 (DWI) 对于诊断至关重要.
- 减少DWI的扫描时间对于患者的舒适性和减少运动工件至关重要.
- 高分辨率成像对于精确的前列腺癌检测和表征至关重要.
研究的目的:
- 评估深度学习 (DL) 超分辨率对前列腺DWI的可行性和有效性.
- 为了减少读取分段回声平面成像 (rs-EPI) DWI的扫描时间.
- 在缩短扫描时间期间保持或提高图像质量和定量准确性 (ADC值).
主要方法:
- 前列腺 rs-EPI DWI数据的回顾性和前性分析.
- 应用DL超分辨率模型,包括多尺度自我相似性网络 (MSSNet).
- 使用结构相似性指数 (SSIM),峰值信号与噪声比率 (PSNR),规范化根平均平方误差 (NRMSE),明显扩散系数 (ADC) 值和信号与噪声比率 (SNR) 的定量评估.
主要成果:
- 通过高SSIM (0.9798),PSNR和NRMSE,MSSNet实现了卓越的图像重建.
- DL方法将rs-EPI DWI扫描时间减少了54.4%,图像质量与高分辨率地面真相 (HRGT) 相比.
- 在DL重建和地面真实ADC值之间存在强烈的相关性 (差异为5%以内);在模型中观察到显著的SNR增强,MSSNet优异.
结论:
- 基于DL的超分辨率,特别是MSSNet,对前列腺RS-EPI DWI有效.
- 这项技术成功地减少了扫描时间,同时保持/提高了图像质量和定量准确性.
- 在临床前列腺MRI应用中,DL超分辨率是一个有前途的进步.
