Radiology：深度学习的浸润性乳腺癌模拟增强乳腺MRI

现阶段，增强乳腺MRI是检测乳腺癌最敏感的影像学手段。虽然钆基造影剂的应用是安全的，但其使用也有潜在的限制。使用钆基造影剂需要静脉注射和医生监测，这增加了乳房MRI检查的成本和时间。需要使用钆基造影剂也限制了MRI在肾功能严重受损的小部分病人和怀孕病人中的应用。此外，人们对钆沉积的未知临床意义仍然感到担忧，特别是在补充性筛查人群中。作为回应，人们对乳腺MRI中的非强化替代方法的兴趣不断增加。迄今为止的研究表明，非强化序列（扩散加权成像与T1和/或T2系列相结合）的诊断性能十分具有临床价值，但仍然不如对比增强MRI。

最近使用脑部MRI扫描的研究表明，利用深度学习从预对比度输入合成对比度增强图像是可行的。这些结果提高了将类似的深度学习技术应用于乳腺MRI的可能性。然而，在乳腺中创建模拟对比增强MRI的可行性尚不清楚。

近日，发表在Radiology杂志的一项研究评估了使用深度学习从预对比MRI序列生成模拟对比增强乳腺MRI扫描的可行性和准确性。

本项研究回顾性地确定了2015年1月至2019年12月期间在一家学术机构进行的用于初步评估疾病范围的增强乳腺MRI检查。使用一个三维、完全卷积的深度神经网络模拟了来自五个预对比序列（T1加权非脂肪抑制[FS]、T1加权FS、T2加权FS、表观扩散系数和扩散加权成像）的增强T1加权乳腺MRI扫描。为了进行定性评估，四位乳腺放射学家（具有3-15年的经验）在对对比方法是真实的还是模拟的情况下，通过使用22对真实和模拟的对比增强MRI扫描来评估图像质量（优秀、可接受、好、差或不可接受）、肿瘤增强的存在以及最大指数质量大小。使用整个乳腺的相似性和误差指标以及增强肿瘤重叠的Dice系数分析来进行定量比较。

对96名女性（平均年龄52岁±12[SD]）的96次MRI检查进行了评估。读者评估了所有的模拟MRI扫描，认为所有检查均具有真实MRI扫描的外观和肿瘤增强。真实和模拟MRI扫描的指数块大小显示出良好到优秀的一致性（类内相关系数，0.73-0.86；P < .001），没有明显的差异（平均差异，-0.8至0.8毫米；P = .36-.80）。几乎所有的模拟MRI扫描（88张中的84张[95%]）都被认为具有诊断质量（评级为优秀、可接受或良好）。定量分析显示了强烈的相似性（结构相似性指数，0.88±0.05）、低体素明智的误差（对称的平均绝对百分比误差，3.26%），增强肿瘤重叠的Dice系数为0.75±0.25。

 图 浸润性乳腺癌患者的真实与模拟（即合成）增强T1加权轴位乳腺MRI扫描。15名浸润性乳腺癌患者的真实和模拟对比增强乳房MRI扫描对像（箭头）。在所有图像中，胸腔内和乳腺外的结构都被掩盖

研究结果表明，利用深度学习生成模拟的增强乳房MRI扫描是可行的。模拟和真实的增强MRI扫描显示了具有可比性的肿瘤大小、肿瘤增强的区域和图像质量，没有明显的质量或数量差异。
原文出处：

Maggie Chung,Evan Calabrese,John Mongan,et al.Deep Learning to Simulate Contrast-enhanced Breast MRI of Invasive Breast Cancer.DOI:10.1148/radiol.213199