基于深度学习的超分辨率重建的高加速胰腺胆膜核磁共振,用于评估假定的胰腺导管内皮质粘膜性瘤

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:

• 胰腺导管内 papillary 粘膜性瘤 (IPMNs) 需要对恶性瘤进行准确的评估.
• 目前的胰腺胆膜MRI技术在图像质量和病变明显性方面存在局限性.

研究的目的:

• 评估基于深度学习 (DL) 的超分辨率 (SR) 重建算法的可行性和诊断实用性,用于评估IPMNs的胰腺胆道MRI.
• 将DL-SR CS-VIBE的图像质量和诊断性能与IPMN评估的标准CS-VIBE进行比较.

主要方法:

• 对162名患有脏IPMN (≥1厘米) 的患者进行了回顾性分析,这些患者接受了胰腺胆管MRI.
• 使用标准压缩传感 (CS) -VIBE和DL-SR CS-VIBE获取早期和晚期门静脉阶段 (PVP) 图像.
• 评估图像质量,病变明显性和用于恶性IPMN预测的诊断性能,使用多读者多病例分析和ROC分析.

主要成果:

• 与标准CS-VIBE相比,DL-SR CS-VIBE显示出明显优异的图像质量和囊性病变明显性 (P < 0.001).
• 使用包括DL-SR CS-VIBE在内的全序列预测恶性IPMN的ROC曲线下的面积 (AUC) 为0.858.
• 对恶性IPMN的聚合敏感性和特异性分别为71.1%和82.8%. 墙壁结节≥5毫米和主要胰腺管的大小≥10毫米显示出高的诊断准确性 (AUC 0.736和0.720).

结论:

• 使用DL-SR CS-VIBE的胰腺胆核磁共振增强了图像质量和病变明显性,改善了IPMNs的评估.
• 该技术显示出对恶性IPMN的有希望的诊断准确性.
• 需要对更大的队列进行进一步的研究,以验证发现并评估临床影响.