零回声时间磁共振成像的深度学习重建:轴性脊柱关节炎的诊断性能

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 类风湿病学 类风湿病学

背景情况:

• 使用传统的MRI技术诊断骨硬化和轴性脊柱关节炎 (axSpA) 侵蚀等结构性病变可能具有挑战性.
• 零回声时间 (ZTE) MRI 提供了改善骨髓可视化的潜力,但其对微妙病变的诊断性能需要提高.
• 深度学习重建 (DLR) 是一种新兴的人工智能技术,有可能提高MRI中的图像质量和诊断精度.

研究的目的:

• 为了比较深度学习重建 (DLR) 的诊断性能,零回声时间 (ZTE) 的MRI用于轴性脊柱关节炎患者的结构性损伤.
• 为了评估DLR增强ZTEMRI与传统T1加权成像 (T1WI) 和非DLRZTEMRI相比.
• 使用计算机断层扫描 (CT) 作为评估诊断准确性的参考标准.

主要方法:

• 26名患有轴性脊柱关节炎的患者接受了神关节 (SIJ) 的MRI扫描.
• 三个独立的读者通过使用T1WI,ZTE和ZTE对SIJ进行了结构性损伤的评估,使用DLR (50%,75%,100%) 的不同水平.
• 图像质量,结构显眼性,诊断性能 (与CT相比) 和读者之间的协议 (加权卡帕) 被评估.

主要成果:

• 采用100%DLR的ZTEMRI在所有阅读器中实现了最高的图像质量和结构显眼性得分.
• 与T1WI和标准ZTEMRI (p <0.05) 相比,ZTE DLR 75%和100%在检测骨硬化和侵蚀方面表现出更好的诊断性能.
• 用DLR增强的ZTEMRI显示,在检测骨硬化和侵蚀方面,读者间共识得到了改善.

结论:

• 深度学习重建显著提高了ZTEMRI的诊断性能,用于检测轴性脊柱关节炎患者的骨硬化和骨关节侵蚀.
• 与传统的T1WI和非重建的ZTE MRI相比,DLR应用的ZTE MRI提供了更好的诊断能力.
• 这种人工智能驱动的成像方法有助于通过改善关键结构性损伤的可视化来早期和准确诊断轴性脊柱关节炎.