European Radiology:使用深度学习,让膝关节MRI实现“又快又好”!

2022-08-15 影像放射新前沿 MedSci原创

压缩传感(CS)技术通常用于加速MRI成像,与仅有的PI相比,SNR保存得更好,但CS倾向于过度简化图像内容,因此导致图像纹理的损失。

膝关节的磁共振成像(MRI)是最常见的磁共振检查之一,需要大约15分钟的采集时间。膝关节MRI的参考标准是质子密度(PD)和T1加权涡轮自旋回波(TSE)序列,具有良好的组织对比度和分辨率,对半月板、韧带和软骨损伤有良好的评估。

压缩传感(CS)技术通常用于加速MRI成像,与仅有的PI相比,SNR保存得更好,但CS倾向于过度简化图像内容,因此导致图像纹理的损失。

最新的有希望克服这一缺点的方法是深度学习(DL)算法。关于膝关节MRI,最近发表的一项使用回顾性欠采样数据的研究表明,DL图像与标准临床图像在检测膝关节内部病变方面的表现可以互换。此外,回顾性低采样的DL加速图像比标准成像获得了更高的图像质量,并允许对标准图像进行加速。最近,DL重建还有其他技术发展,但到目前为止,还没有在1.5和3T下的前瞻性临床研究。

近日,发表在European Radiology杂志的一项研究在一项前瞻性研究中实施了1.5和3T的TSEDL以评估与常规临床实践中标准成像序列相比的诊断性能,为临床获得更快速、更清晰的膝关节MR图像提供了支持。

本研究纳入的60名参与者在2020年10月-2021年3月期间接受了1.5T和3T的膝关节MRI检查,方案中使用了标准2D-TSE(TSES)和DL-加速2D-TSE序列(TSEDL)。三位放射科医生评估了有关结构异常的序列,并使用李克特量表(1-5,5=最佳)评价了有关整体图像质量、伪影、噪音、清晰度、主观信噪比和诊断信心的图像。 

TSEDL的整体图像质量被评为优秀(中位数5,IQR 4-5),明显高于TSES(中位数5,IQR 4-5,P < 0.05),显示噪音的程度明显降低,清晰度提高(P < 0.001)。在检测内部差异方面,阅读者之间和阅读者内部的一致性几乎是完美的(κ = 0.92-1.00),而在评估软骨缺陷方面,阅读者之间的一致性基本是完美的(κ = 0.58-0.98)。在检测骨髓水肿和骨折方面没有发现差异。TSEDL的诊断置信度被评为与TSES相当(中位数5,IQR 5-5,P>0.05)。使用TSEDL的采集时间可以减少到6:11分钟,而使用TSES的方案则是11:56分钟。 


 46岁的右膝内侧外伤后疼痛患者在3T下进行的膝关节MRI示例。比较了不同方向的PD-和T1加权TSES(上排)和TSEDL(下排)。TSEDL提供了更高的图像质量、噪声程度更低、解剖结构的清晰度更高。请注意,在TSES和TSEDL中,股骨髁的骨髓水肿(白色箭头)可以清楚显示

本研究表明,TSEDL在临床上是一项可行的MR扫描方案,可在较短的采集时间内提供更好的图像质量。

 

原文出处:

Judith Herrmann,Gabriel Keller,Sebastian Gassenmaier,et al.Feasibility of an accelerated 2D-multi-contrast knee MRI protocol using deep-learning image reconstruction: a prospective intraindividual comparison with a standard MRI protocol.DOI:10.1007/s00330-022-08753-z

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 (1)
#插入话题

相关资讯

Euro Radiol:深度学习在冠状动脉斑块风险分层中的应用

深度学习方法发展迅速,在医学影像分析中表现出良好的泛化能力和高效率。

Euro Radiol:深度学习在高分辨率三维腰椎MRI中的应用

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。

European Radiology:深度学习在诊断青少年特发性脊柱侧弯中的应用

现阶段,深度学习在医学影像辅助诊断工作中的应用越来越多。在定义人工智能诊断方法时,脊柱有其独特的形态特征需要考虑。

European Radiology:超低剂量CT深度学习重建对尿路结石的评价价值

随着近年来人工智能的快速发展,CT图像的深度学习重建(DLR)已经被开发出来并应用于多项研究。

European Radiology:基于深度学习的超声列线图模型在术前预测胰腺神经内分泌肿瘤侵袭性中的应用

医学影像分析中人工智能的快速发展隐身术了一个新的深度学习(DL)领域。卷积神经网络(CNN)作为图像识别的有力工具,已经成为一个活跃的研究领域。

JCB:徐涛院士团队开发出基于深度学习的细胞器互作高通量分析系统

DeepContact工作流程DeepContact可满足细胞器互作与生物医学功能相关性分析的需求。具备高通量样本分析能力以及组织内特异细胞类型分析能力,可扩展应用于细胞器互作网络的相关性研究、以及医