深度学习驱动的缩短膝盖MRI协议:临床实践中的诊断准确性

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:

• 在MRI中进行深度学习 (DL) 重建可以减少获取时间,但它对膝盖MRI诊断准确性的影响尚未得到充分证实.
• 评估不同加速度因子的影响对于临床实施至关重要.

研究的目的:

• 与标准协议相比,评估双倍,四倍和六倍的DL加速膝盖MRI协议的诊断性能.
• 为了确定膝盖MRI的最佳DL加速因子.

主要方法:

• 一项前性研究,涉及71名患者接受标准,DL2,DL4和DL6加速方案的膝盖MRI.
• 四名放射科医生评估了带撕裂,阴茎病变,骨髓胀,骨髓缩和延伸器异常.
• 计算了诊断准确度指标,包括灵敏度,特异性和观察者之间的一致性.

主要成果:

• 对于大多数病理,DL2和DL4协议的诊断准确度很高,与标准协议相比.
• DL6对微妙病变的敏感性降低,特别是对ACL撕裂和阴茎评估的敏感性降低.
• 在所有DL加速因子中,骨髓瘤检测仍然很好;观察者之间的一致性对DL2/DL4很好,对DL6.6很好.

结论:

• DL2协议与标准MRI性能密切匹配,而DL4提供了可接受的诊断准确性,并节省了大量的时间 (高达50%).
• DL6加速可能会损害对微妙异常的诊断信心,特别是对经验较少的读者来说.
• DL2和DL4代表了减少MRI采集时间 (50-75%) 和膝盖成像诊断性能之间的有利权衡.