Euro Radiol:深度学习在高分辨率三维腰椎MRI中的应用

2022-08-03 影像放射新前沿 MedSci原创

临床腰椎(L-spine)扫描方案通常包括多平面(矢状位、轴位,有时也包括冠状位)、二维(2D)T2加权快速自旋回波(T2w-FSE)采集,总采集时间达到25分钟。

通过最近开发的卷积神经网络,深度学习(DL)在放射学中的应用有了很大的发展,自动分类、分割和疾病检测方面展现出了巨大的潜力。深度学习技术在脊柱成像中的应用包括腰椎自动编号、椎间盘突出症分类和椎管狭窄分级。

临床腰椎(L-spine)扫描方案通常包括多平面(矢状、轴,有时也包括冠状)、二维(2D)T2加权快速自旋回波(T2w-FSE)采集,总采集时间达到25分钟。相比之下,单一的三维T2w-FSE各向同性序列可以通过多平面重建产生与二维成像相同的平面,可显著缩短总采集时间(6-8分钟)且没有层间距,避免了部分容积效应产生的偏差。然而,部分由于信噪比(SNR)的限制,迄今为止,使用标准重建技术三维图像可实现的空间分辨率仍然低于二维T2w-FSE。

近日,发表在European Radiology杂志的一项研究评估了DLRecon算法在增强三维T2w-FSE L-spine MRI方面的应用,为减少总体上采集时间、提高图像质量提供了技术支持。

本研究回顾性地纳入了2020年8月17日至9月17日在各向同性的三维和二维T2w-FSE序列下进行腰椎MRI检查的患者。使用一种具有去噪和锐化特性的DLRecon算法SOC三维K空间以生成三维DLRecon图像。四位对重建状态保密的肌肉骨骼放射科医生评估了随机图像的运动伪影、图像质量、中央/椎管狭窄、椎间盘变性、环状裂隙、椎间盘突出和面关节囊肿的存在。使用Conger's kappa (κ)评估每个分级变量的评分者之间的一致性。

本研究共35名患者(平均年龄58±19岁,26名女性)进行了评估。与SOC 3D(1.0/2,p < 0.001)、2D轴1.0/2,p < 0.001)和2D矢状面序列(1.0/2,p值< 0.001)相比,3D DLRecon显示出统计学上明显较高的图像质量中位数得分(2.0/2)。椎管狭窄的κ范围(和95%CI)为:3D DLRecon为0.55-0.76(0.32-0.86),SOC 3D为0.56-0.73(0.35-0.84),2D为0.58-0.71(0.33-0.84)。三维DLRecon、三维SOC和二维的L4-5中央狭窄的平均κ(和95%CI)分别为0.98(0.96-0.99)、0.97(0.95-0.99)和0.98(0.96-0.99)。


 41岁患有腰痛女性患者的腰椎MRI图像,比较三维T2加权FSE与DLRecon(深度学习重建)矢状(A)、轴(B)以及无(标准护理,SOC)矢状(C)和轴(D)以及2D T2加权FSE矢状(E)和轴(F)图像。

本研究表明,与SOC三维和二维L-spine MRI相比,将三维DLRecon图像算法应用于L-spine的各向同性的三维MRI显著提高了图像质量,且不影响临床相关病理评估的观察者间的一致性。由此带来的图像质量和MPR的提高可以为其他解剖学区域提供比标准二维成像更多的诊断优势,为临床的诊断及术前评估提供了强有力的技术支持。

原文出处:

Simon Sun,Ek Tsoon Tan,Douglas N Mintz,et al.Evaluation of deep learning reconstructed high-resolution 3D lumbar spine MRI.DOI:10.1007/s00330-022-08708-4

作者:shaosai

版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题

相关资讯

European Radiology:深度学习在CT结肠造影中良恶性息肉鉴别的应用。

计算机断层扫描(CT)结肠造影是一种无创的结肠癌筛查方法。对于检测≥6毫米的结肠息肉,CT结肠造影的敏感性与OC相当。

European Radiology:深度学习,实现CT图像的“既要、又要”!

新阶段,医疗辐射暴露仍然是一个重要的临床问题。

European Radiology:深度学习图像重建,实现腹部增强双能量CT图像质量的“飞跃”!

深度学习图像重建(DLIR)是一种新的CT重建方法,其中深度卷积神经网络(DCNN)被纳入了DLIR的图像重建算法,可通过高质量的CT图像数据集进行训练学习如何区分噪音和信号。

European Radiology:使用深度学习从膝关节x线片进行骨龄评估

临床上提出了各种放射学方法来估计骨龄,从手、肘、膝、骨盆或脚的X光片,牙齿、锁骨或肋骨的计算机断层扫描(CT)到膝、手或髂嵴的磁共振成像(MRI)。

European Radiology:深度学习让1.5 T颈椎MRI“又好又快”!

颈椎MRI,特别是T2加权MRI,能以高对比度描述软组织结构、同时评估椎管狭窄和神经孔狭窄。

European Radiology:深度学习分割算法在转移性肾癌患者中对骨骼肌指数的全自动量化

基于深度学习(DL)的分割算法可提高数据处理速度和可重复性,可以符合放射科医生的日常工作流程的方式来测量病人的肌肉疏松情况。