换一批摘要目的:探讨基于深度学习的鼻咽肿瘤磁共振成像质量优化方法,评价其对图像质量、诊断性能和诊断效果的影响.方法:对2024 年 1 月至2024 年 12 月期间75 个 鼻咽癌患者的 MRI数据进行回顾性研究,按照不同的图像重建方式将其分成深度学习重建组(38 例)与常规重建组(37 例).观察两组患者的图像质量评分,信噪比(SNR),对比噪声比(CNR),病灶检出率,扫描时间和图像重构时间.结果:深度学习重建组图像质量总评分(4.52±0.31)显著高于常规重建组(3.68±0.42),差异有统计学意义(t=9.872,P＜0.001).深度学习重建组T1WI序列SNR为(85.42±8.36),T2WI序列SNR为(92.17±9.24),均明显高于常规重建组的(68.35±7.52)和(74.28±8.13)(t=9.287、8.903,P＜0.001).深度学习重建组病灶检出率为 94.74%(36/38),高于常规重建组的78.38%(29/37)(χ2=4.296,P=0.038).深度学习重建组图像重建时间(18.42±3.25)s 较常规重建组(45.67±5.38)s缩短59.68%(t=26.184,P＜0.001).结论:深度学习重建技术能够显著提高鼻咽癌MRI图像质量,增强病灶显示能力,缩短图像处理时间,具有重要的临床应用价值.
更多相关知识
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
