基于深度学习重建算法HASTE序列肝脏MR图像质量:与BLADE序列的对照研究
Liver MR image quality based on deep learning reconstruction algorithm HASTE sequence:a comparative study with BLADE sequence
摘要目的:评估基于深度学习重建的半傅立叶采集单次激发快速自旋回波(HASTEDL)序列在肝脏检查中的应用价值.方法:使用3.0T MR对36例患者(男28例,女8例)行上腹部MRI扫描,扫描序列包括单次屏气HASTEDL和多次屏气刀锋伪影校正(BLADE)序列.由两位医师分别对肝脏成像质量(锐利度和伪影)进行五分制主观评分.分别在肝门水平肝脏的肝右叶和肝左叶、病灶显示最大层面及其相应层面同一相位方向的右侧背景区放置感兴趣区,测量两组图像上肝脏的信号强度(SI)及其标准差(SD,作为背景噪声),计算图像的信噪比(SNR)和对比噪声比(CNR).测量病灶最大径(Dmax),观察和记录图像错层率及病灶检出率.对两组图像上肝右叶和肝左叶内肝实质的SNR、CNR,病灶的SNR、CNR、D值,以及图像错层率、图像质量评分结果分别使用Wilcoxon检验或卡方检验进行组间比较.结果:两位医师对两组图像(HASTEDL和BLADE序列)的主观评分和客观测量数据的一致性均为良好(Kappa和ICC值均大于0.75).两组之间图像锐利度主观评分的差异无统计学意义(4.62±0.55 vs.4.27±0.65,P=0.289),HASTE-DL组图像伪影的主观评分显著高于BLADE组(4.78±0.48 vs.4.14±0.98,P<0.001).HASTEDL组肝左叶和肝右叶内肝组织的SNR、病灶的SNR和CNR均显著高于BLADE组(P<0.001).两组之间病灶Dmax的差异无统计学意义(P=0.978).BLADE组的图像错层率明显高于HASTEDL组(P=0.014).两组中病灶检出率均为100%.结论:基于深度学习重建的单次屏气HASTE序列能有效提高肝脏T2WI图像质量而不会遗漏病灶,并可显著缩短扫描时间,优化肝脏扫描效率,有较好的临床应用前景.
更多相关知识
- 浏览49
- 被引3
- 下载20

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



