对A-LIKNet的临床评估:深度学习加速单次喘息CINE磁共振成像用于心脏功能评估

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 医疗图像重建 医疗图像重建

背景情况:

• 标准的心脏CINEMRI需要多次喘息,限制了患者的舒适度,增加了扫描时间.
• 深度学习 (DL) 提供了加速图像采集和心脏MRI重建的潜力.
• A-LIKNet是一个新的DL网络,旨在加速心脏CINEMRI.

研究的目的:

• 评估A-LIKNet DL加速心脏CINEMRI的诊断准确性和定量一致性.
• 为了比较单次呼吸暂停A-LIKNet CINE与标准的多次呼吸暂停CINE用于双心室评估.
• 评估图像质量和不同加速度因子之间的一致性.

主要方法:

• 在42个受试者中,A-LIKNet DL重建的CINE图像以8×,16×和24×的加速度获得.
• 量化了双体积 (EDV,ESV,SV,EF) 和心肌质量 (MM).
• 使用布兰德-阿尔特曼分析和线性回归,与标准的多次呼吸暂停CINE进行比较.
• 通过变化系数 (CoV) 评估图像质量.

主要成果:

• A-LIKNet和标准CINE之间的优秀协议用于EDV,ESV,SV和EF. 在等效率范围内.
• 对于体积参数没有发现显著的比例偏差.
• 心肌质量在加速时表现出更广泛的变异性; CoV随着加速而增加,表明图像质量有轻微的恶化.
• 尽管加速增长,但细分业绩仍然稳健.

结论:

• 通过A-LIKNet DL加速的CINE,可以快速可靠地评估心脏功能,与标准成像非常一致.
• 图像质量可接受,可达16×加速,用于常规临床应用.
• 24×加速可能适用于优先考虑速度而不是最大图像保真度的特定用例.