深度学习重建辅助压缩感知对乳腺T2W脂肪抑制序列图像质量的影响

Effect of deep learning reconstruction-assisted compressed sensing on the image quality of breast T2W Fat-sat sequences

二维码有效期 120s

摘要目的探讨深度学习重建(DLR)辅助常规压缩感知(CS)对乳腺磁共振T2W脂肪抑制序列图像质量的影响.方法招募女性志愿者30名,在1.5 T磁共振仪上采用T2W脂肪预饱和(Fat-Sat)序列[加速因子(AS)为2.0、3.0及4.0]行乳腺MR扫描获得CS图像,再行DLR重建获得DLR结合CS(DLR+CS)图像,对两组图像的信噪比(SNR)和对比噪声比(CNR)及临床医生主观定性评价进行对比分析.结果女性志愿者乳腺DLR+CS图像SNR和CNR均优于CS图像(P＜0.001),且AS为4时DLR+CS组乳腺图像SNR及CNR提升最为显著(157％及171％);女性志愿者乳腺DLR+CS图像整体图像质量、伪影、主观噪声、解剖结构显示及诊断可信度均优于CS图像(P＜0.001).结论与常规CS图像比较,DLR辅助CS可提高乳腺T2WI Fat-Sat序列的图像质量,在较高AS条件下(3或4)依然能满足临床诊断需求.

作者黄碧云 ^[1] 丁佳 ^[1] 李仕广 ^[2] 陈振涛 ^[3] 刘世琛 ^[3] 姚灵 ^[4] 印宇 ^[4] 段庆红 ^[5] 学术成果认领

作者单位贵州医科大学医学影像学院,贵州贵阳 561113 ^[1] 贵阳市第二人民医院影像科,贵州贵阳 550081 ^[2] 佳能医疗系统中国有限公司影像部,北京 100020 ^[3] 贵州医科大学附属肿瘤医院影像科,贵州贵阳 550000 ^[4] 贵州医科大学医学影像学院,贵州贵阳 561113;贵州医科大学附属肿瘤医院影像科,贵州贵阳 550000 ^[5]

关键词磁共振成像深度学习重建技术压缩感知脂肪抑制乳腺图像质量 magnetic resonance imaging deep learning reconstruction technology compressed sensing fat suppression breast image quality

分类号 R445.2 R737.9

栏目名称

临床研究

DOI 10.19367/j.cnki.2096-8388.2024.08.013

发布时间 2024-09-20

基金项目

贵州省科技计划项目（2021）