对于关节MRI的深度学习重建:诊断互换性,图像质量和扫描时间缩短

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 关节疾病 关节疾病

背景情况:

• 对于关节 (TMJ) 疾病的常规MRI可以通过长时间的扫描来限制,这可能会增加患者的不适和运动相关的文物.
• 深度学习 (DL) 重建为提高MRI效率和质量的潜在解决方案.

研究的目的:

• 为了比较DL重建MRI的诊断互换性,图像质量和扫描时间,与TMJ的常规MRI相比.
• 评估DL重建对TMJ盘形状,位置和关节溢液的评估的影响.

主要方法:

• 怀疑患有关节障碍的患者接受了传统和DL重建的斜腰质子密度加权 (PDW) 和T2加权脂肪抑制 (T2W FS) MRI.
• 三名口腔放射科医生独立评估了诊断参数,并对图像质量进行了定性 (分数) 和定量 (SNR,CNR) 的评估.
• 诊断的可互换性是通过观察者之间的协议定义的,在 ±5%的95%置信区间内.

主要成果:

• 用DL重建的MRI显示了与常规MRI的磁盘形状,位置和输出 (等价指数<3%) 的诊断等价性.
• DL重建显著降低了噪声,并改善了信号与噪声比 (SNR) 和对比与噪声比 (CNR) (p<0.05),除了PDW中的磁盘SNR外.
• 通过DL重建,扫描时间减少了49.2%.

结论:

• DL重建的TMJ MRI在诊断上可以与传统的MRI互换.
• DL重建提供了更好的图像质量和显著缩短的扫描时间,使TMJ MRI更有效和耐受.
• 这项技术通过克服长时间扫描和运动工件的局限性,促进了更广泛的临床采用.