深度学习HASTE对腹部上部MRI:在前性研究中改善图像质量,速度和能源效率

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:

• 传统的T2加权半里埃获取单次突变回旋回声 (HASTE) 序列是腹部上部MRI的标准.
• 深度学习 (DL) 技术正在出现,以提高MRI采集效率和图像质量.

研究的目的:

• 在质量和数量上比较DL重建的T2加权的HASTE序列与传统的T2加权的HASTE序列,用于3T腹部上部MRI.
• 为了评估图像质量,解剖学可视化,诊断性能和效率指标.

主要方法:

• 预期招募166名接受3T腹部上部MRI的患者.
• 传统T2加权的HASTE MRI与DL重建的快速T2加权的HASTE MRI的比较.
• 图像质量和诊断性能由三个读者使用利克特尺度进行评估.
• 信号与噪声比率 (SNR),对比与噪声比率 (CNR) 和放射性特征的定量分析.

主要成果:

• DL HASTE显示出显著优越的图像质量,更少的文物,以及改进的解剖结构划分 (p < 0.001).
• DL HASTE显示出明显更好的SNR (p < 0.001),但相似的CNR.
• 使用DL HASTE.观察到显著的时间缩短 (62.5%) 和节省能源成本 (0.34千瓦/扫描).

结论:

• 经DL重建的HASTE序列为腹部上部MRI提供了更好的图像质量,减少了文物,并提高了诊断信心.
• DL HASTE显著减少了采集时间和能源消耗,为传统方法提供了更高效和潜在的有影响力的替代方案.
• 这些发现表明DL HASTE有可能在临床实践中更准确地检测病理.