Radiology:T2加权前列腺MRI的深度学习超分辨率重建
时间:2024-06-08 10:00:20 热度:37.1℃ 作者:网络
前列腺癌是全世界范围内最常见的癌症类型之一,占2023年所有新诊断男性癌症的29% 。随着前列腺多参数MRI (mpMRI)的引入,早期诊断和无创诊断有了很大的改善,mpMRI可以检测出有临床意义的前列腺癌,同时避免了对前列腺特异性抗原水平升高但没有可见病变的患者进行不必要的活检。
前列腺的标准mpMRI协议包括T2加权、弥散加权和动态对比增强序列,以便根据前列腺成像报告系统(PI-RADS) 对前列腺病变进行分类。而PI-RADS评分的前列腺周围带病变主要由弥散加权成像确定,而T2加权成像主要用于评估移行带。对前列腺进行彻底的解剖和诊断评估需要在多个平面上采集T2加权序列,从而极大地影响MRI协议的采集时间。现阶段,不同的实践和技术方法已被应用于减少前列腺MRI的采集时间。除了依赖于传统的获取和重建技术的方法之外,深度学习 (DL) 图像重建也被证明可以减少采集时间,同时保持高图像质量。然而,结合压缩感知的前列腺MRI DL重建方法还没有得到很好的研究。
近日,发表在Radiology杂志的一项研究利用工业开发的DL算法重建低分辨率T2加权涡轮自旋回波(TSE)前列腺MRI扫描,并将其与标准序列进行了比较。
本项前瞻性研究对疑似前列腺癌的参与者在2022年8月至11月期间进行了笛卡尔标准分辨率T2加权TSE序列(T2C)和非笛卡尔标准分辨率T2加权TSE序列(T2NC)的前列腺MRI检查。此外,获得了低分辨率笛卡尔DL重构T2加权TSE序列(T2DL),并进行了压缩感知DL去噪和分辨率上尺度重构。图像清晰度由两位阅读者使用五点李克特量表(从1 =非诊断性到5 =优秀)进行定性评估,并通过计算边缘上升距离进行定量评估。组间比较分别采用Friedman检验和事后Bonferroni检验的单向方差分析和Tukey检验。采用Cohen κ比较序列间前列腺影像报告与数据系统(PI-RADS)评分一致性。
研究共纳入109名男性受试者,平均年龄68岁±8岁[SD]。T2DL的获取时间分别比T2C和T2NC低36%和29%(平均时间为164秒±20比257秒±32和230秒±28;P < 0.001)。T2DL与标准序列相比,使用定性(中位数评分为5 [IQR, 4-5],T2C为4 [IQR, 3-4],T2NC为4 [IQR, 3-4])显示出更高的图像清晰度;P < 0.001)和定量(平均边缘上升距离,T2C为0.75 mm±0.39 vs 1.15 mm±0.68,T2NC为0.98 mm±0.65;P < 0.001和P = 0.01)方法。T2C和T2NC之间PI-RADS评分一致性极好(κ范围,0.92-0.94 [95% CI: 0.87, 0.98])。
表 两个阅读者的PIRADS评分列联表
本项研究表明,与标准序列相比,低分辨率T2加权TSE序列的DL重建加速了采集时间,提高了图像质量,同时与传统序列在PI-RADS评级方面表现出良好的一致性。
原文出处:
Leon M Bischoff,Johannes M Peeters,Leonie Weinhold,et al.Deep Learning Super-Resolution Reconstruction for Fast and Motion-Robust T2-weighted Prostate MRI.DOI:10.1148/radiol.230427