换一批深度学习结合压缩感知在垂体微腺瘤薄层动态对比增强MRI中的应用研究
Application of Deep Learning Combined with Compressed Sensing in Thin-Slice Dynamic Contrast-Enhanced MRI for Pituitary Microadenomas
摘要目的 探讨深度学习结合压缩感知(DL-CS)不同等级去噪算法改善垂体微腺瘤薄层动态对比增强磁共振成像(DCE-MRI)图像质量的可行性.方法 前瞻性纳入2024年4月至7月行垂体DCE-MRI检查的患者62例,扫描直接获得常规CS图像.对垂体DCE-MRI图像原始数据进行回顾性重组,获得DL-CS-weak、DL-CS-medium、DL-CS-strong和DL-CS-maximum四组图像.测量五组图像信噪比(SNR)和对比噪声比(CNR),并对图像的整体图像质量、噪声、伪影和诊断置信度进行主观评价.采用Friedman检验分别对五组图像主客观指标的差异进行统计学分析.结果 与常规CS图像相比,DL-CS-medium图像在SNR和CNR方面显著提高(P＜0.01).此外,DL-CS-medium图像的SNR和CNR与其他重组等级的图像相比,差异均有统计学意义(P均＜0.05).主观评分结果显示,DL-CS(-medium、-strong、-maximum)图像均显著优于常规CS图像(P均＜0.05);在整体图像质量和诊断置信度评分中,DL-CS-medium图像相较于DL-CS-strong和DL-CS-maximum图像表现出更好的优势(P均＜0.05).结论 与常规CS重组相比,DL-CS-medium重组等级降低了垂体薄层DCE-MRI图像的噪声,提高整体的图像质量,同时在不同等级去噪算法中具有较高的保真度,可作为临床DL-CS序列的推荐等级算法.
更多相关知识
关键词
磁共振成像垂体腺瘤深度学习重组算法压缩感知图像质量Magnetic resonance imagingPituitary adenomaDeep learning reconstruction algorithmCompressed sensingImage quality
栏目名称
发布时间
2025-09-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
四川大学华西医院学科卓越发展工程项目（1·3·5;ZYGD23024）
四川大学华西医院学科卓越发展工程人工智能项目（1·3·5;ZYAI24031）
- 浏览3
- 被引0
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
