使用深度学习重建的膜迷宫高分辨率3TMRI
Fatma Boubaker1, John I Lane1, Ulysse Puel1
1From the Guilloz Imaging Department, Central Hospital, University Hospital of Nancy, 54000 Nancy, France (F.B, U.P,PA.G-T, A.B,R.G); From Department of Radiology, Mayo Clinic, Rochester, MN 55901, USA (JI.L, RJ.W). From Université de Lorraine, CIC, Innovation Technologique, University Hospital Center of Nancy, 54000 Nancy, France (U.P, G.D,PA.G-T, A.B, R.G). From Université de Lorraine, INSERM, IADI, 54000, Nancy, France (U.P, G.D,PA.G-T, A.B, R.G). From Siemens Healthcare SAS, Courbevoie, France (K.A). From ENT Surgery Department, Central Hospital, University Hospital Center of Nancy, 54000 Nancy, France (C.P-W). From Diagnostic and Functional Neuroradiology and Brain stimulation Department, 15-20 National Vision Hospital, Paris University Hospital Center, 75571, Paris, France (JN.V, M.E). From Department of Radiology, Hôpital Américain de Paris, 63 boulevard Victor Hugo 92200 Neuilly-sur-Seine, France (M.E).
深度学习重建 (DLR) 增强了内耳的MRI成像,显著改善了管等结构的可视化. 虽然DLR尚未完善,但它提供了一种有前途的非侵入性方法来详细评估迷宫解剖.
科学领域:
- 放射学和医学成像
- 神经成像
- 人体解剖学
背景情况:
- 对于高分辨率的MRI来说, 迷宫的复杂解剖构成了一个挑战.
- 目前的MRI技术在可视化膜迷宫方面存在局限性.
- 深度学习重建 (DLR) 显示了提高MRI图像质量和空间分辨率的潜力.
研究的目的:
- 评估DLR增强的高分辨率3D-T2MRI序列用于迷宫结构可视化.
- 将DLR-3D-T2序列与传统的3D-T2序列进行比较.
- 增强迷宫微解剖的空间分辨率和细节,而不会增加扫描时间.
主要方法:
- 使用3D-T2和DLR-3D-T2序列获取高分辨率的重 TSE空间图像.
- 由两名放射科医生使用四点尺度对结构可见性的定性评估.
- 使用体外9.4TMRI作为解剖学参考.
主要成果:
- DLR- 3D- T2显著改善了外和外斑的可视化 (≥ 95% 的病例).
- 囊仍然难以评估 (10% 的病例≥3).
- 虽然分辨率限制影响了半圆管道的可视化,但观察到耳结构的改进和脉冲神经的适度增强.
结论:
- 虽然尚未完成完整的解剖评估,但DLR代表了无创内耳成像的重大进步.
- 对DLR的进一步技术改进可能会减少对结构成像的加多增强技术的需求.
相关概念视频
Magnetic Resonance Imaging
Imaging Studies IV: Magnetic Resonance Imaging


