具有深度学习重建的快速MRI检查改善了复杂急性尾炎的诊断

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:

• 急性尾炎是一种常见的手术紧急情况.
• 诊断复杂尾炎需要准确的成像来指导治疗.
• 非对比计算断层扫描 (NC-CT) 是广泛使用的,但涉及辐射暴露.
• 磁共振成像 (MRI) 提供了一个无辐射的替代方案,但传统的协议可能会耗时.

研究的目的:

• 评估使用深度学习重建 (DLR) 来识别复杂尾炎的快速,非对比的MRI协议.
• 为了比较DLR增强型MRI与传统MRI (非DLR) 和NC-CT的性能.

主要方法:

• 一项前性研究包括62名疑似急性尾炎的患者.
• 进行了带有和没有DLR的MRI协议 (T2加权,T1加权,DWI).
• 两名放射科医生评估了复杂尾炎的图像质量和诊断信心.
• 使用接收器操作特征 (ROC) 分析来比较诊断性能.

主要成果:

• 与非DLRMRI相比,使用DLR的MRI显示出明显优越的客观和主观图像质量,具有更好的尾可视化和降低噪声 (p <0.01).
• 这两种MRI协议在诊断复杂尾炎时都超过了NC-CT (p = 0.035和p = 0.001).
• 复杂尾炎的MRI-DLR获得的灵敏度 (97.06%) 和负预测值 (95.45%) 比MRI-non-DLR更高.
• 用MRI-DLR检测尾壁不连续性和周尾的检测率明显高 (p <0.05).

结论:

• 使用DLR的快速MRI可提高复杂尾炎的图像质量和诊断准确性.
• 这种DLR增强的MRI协议是NC-CT的一个有价值的,无辐射的替代方案,特别是在对辐射敏感的人群中.