European Radiology:深度学习,让IPMN患者的三维MRCPs“更多选择、更多精彩”

2022-10-25 shaosai MedSci原创

现阶段,磁共振成像(MRI)是临床上首选的IPMNs诊断及随访成像方式,其中三维(3D)磁共振胰胆管成像(MRCP)是一项关键技术。

多项研究表明胰腺导管内乳头状黏液瘤(IPMNs)具有一定的恶性潜能,病理分级多样从低级到高级发育不良,部分甚至可进展为浸润性癌。现阶段磁共振成像(MRI)是临床上首选的IPMNs诊断及随访成像方式,其中三维(3D)磁共振胰胆管成像(MRCP)是一项关键技术。

改善MRI的时间和空间分辨率,在1.5或3T的图像或K空间域中使用平行成像(PI),然而其检查时间和空间分辨率的提高是有限制的。最近,压缩感知(CS)技术已被引入临床以减少K空间样本的数量。然而与PI相比,CS的缺点之一是信噪比(SNR)较低。与单独使用CS相比,CS和PI的组合提供了更好的图像质量。2020年,临床上引入了使用每个重复时间(TR)技术的多个K空间数据采集(快速3Dm)技术。深度学习重建(DLR)改善各种解剖学领域的成像质量,已被多项研究证明可以改善CS和PI获取的MRI图像质量。

近日,发表在European Radiology杂志的一项研究比较了IPMN患者使用各种技术获得的采集时间和图像质量之间的差异,并进一步明确了DLR的临床实用价值,为临床获得准确的IPMN诊断及随访评估提供了技术支持。

本研究回顾性地纳入了32名IPMN患者,每位患者均接受了使用PI、Fast 3Dm和CS与PI获得的3D MRCPs,并在有和没有DLR的情况下进行了重建。使用Tukey's HSD测试比较了所有方案获得的采集时间、信噪比(SNR)和对比度-噪声比(CNR)。内窥镜超声、ERCP、手术或病理检查的结果被确定为标准参考,并通过McNemar检验比较所有三维MRCP方案的分布分类。 

有和没有DLR的Fast 3Dm和CS的采集时间明显短于有和没有DLR的PI(P < 0.05)。有DLR的每个MRCP序列的SNR和CNR都明显高于无DLR的序列(P < 0.05)。有DLR和无DLR的PI和有DLR的快速3Dm的IPMN分布准确性明显高于无DLR的快速3Dm和无DLR的PI的CS(p < 0.05)。 


 使用PI、CS和Fast 3Dm获得的三维MRCPs上CBD和MPD的SNRs、CRs和CNRs(有无DLR)

本研究发现,DLR可改善使用PI、Fast 3Dm或CS与PI获得的3D MRCP的图像质量和IPMN评估能力。此外,快速3Dm和使用PI的CS在IPMN患者的MRCP中可作为PI的替代技术使用,这为IPMN的准确诊断及评估提供了技术参考及依据。

原文出处:

Takahiro Matsuyama,Yoshiharu Ohno,Kaori Yamamoto,et al.Comparison of utility of deep learning reconstruction on 3D MRCPs obtained with three different k-space data acquisitions in patients with IPMN.DOI:10.1007/s00330-022-08877-2

版权声明:
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或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 (0)
#插入话题

相关资讯

European Radiology:基于深度学习的三维超分辨率MRI放射组学模型对直肠癌术前T分期的预测

放射组学作为一种新兴的数据提取手段,可通过挖掘医学图像中的高维数据来定量评估肿瘤的异质性。

Radiology:肺腺癌患者胸部CT深度学习生存预测模型的组织病理学价值

最近,有学者提出了一个基于CT的术前深度学习(DL)预测模型来估计肺腺癌患者的无病生存期。

Radiology:深度学习在预测创伤性脑损伤患者预后方面的价值

深度卷积神经网络(CNN)模型可以识别放射学图像中的异常,以协助计算机辅助诊断各种疾病,但这些技术还没有被广泛应用于神经外科疾病的预后评估。

European Radiology:基于深度学习的髌股关节参数的全自动测量

髌骨不稳定(PI)是一种常见的临床症状,主要发生在女性儿童和青少年身上,与膝关节前部疼痛(AKP)和髌骨关节炎(PFOA)有关。

Radiology:基于深度学习的心肌延迟增强CT的降噪

深度学习(DL)作为减少图像噪声的工具,在医学影像学中已经引起了越来越多的关注。

European Radiology:基于深度学习的计算机辅助诊断对评估肺结节特征和诊断方面的价值

近,人工智能(AI)已经获得了相当大的科学关注。人工智能的最新进展可归功于深度学习(DL)技术,其灵感来自人类神经网络。