期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
深度学习重建技术在优化前列腺磁共振T2加权成像扫描时间和图像质量中的应用价值 被引量:10
1
作者 王绎忱 张馨心 +4 位作者 胡满仓 王思聪 李敏 赵心明 陈雁 《磁共振成像》 CAS CSCD 北大核心 2023年第5期48-52,59,共6页
目的 探讨深度学习重建(deep learning reconstruction, DLR)技术在提高前列腺MRI T2加权成像(T2 weighted imaging, T2WI)图像质量及缩短扫描时间中的应用价值。材料与方法 本研究前瞻连续纳入未经治疗的可疑前列腺病变的受试者,分别... 目的 探讨深度学习重建(deep learning reconstruction, DLR)技术在提高前列腺MRI T2加权成像(T2 weighted imaging, T2WI)图像质量及缩短扫描时间中的应用价值。材料与方法 本研究前瞻连续纳入未经治疗的可疑前列腺病变的受试者,分别行前列腺MRI常规快速自旋回波(fast-spin echo, FSE)-T2WI和DLR快速FSE-T2WI扫描,并保存未应用DLR的原始快速FSE-T2WI。由2名研究者分别对三组T2WI(常规T2WI、快速T2WI和DLR快速T2WI)的整体图像质量和图像伪影进行图像质量主观评价(5分标准)。由1名研究者测量前列腺正常外周带、正常移行带和病变的信噪比(signal-to-noise ratio, SNR)以及与髂腰肌的对比噪声比(contrast-to-noise ratio, CNR)。对正态分布和非正态分布的数据分别进行单因素方差分析和Kruskal-Wallis检验,比较分析三组T2WI图像的主观评分和客观指标的差异。采用组内相关系数(intra-class correlation coefficient, ICC)评估研究者之间主观评分和病灶前列腺影像报告和数据系统2.1版(Prostate Imaging-Reporting and Data System version 2.1, PI-RADS v2.1)评分的一致性。结果 本研究共纳入35名受试者(38个前列腺病灶)。DLR快速FSE-T2WI较常规FSE-T2WI扫描时间缩短了32.1%。两位研究者的评分结果均显示,常规FSE-T2WI、快速FSE-T2WI和DLR快速FSE-T2WI的整体图像质量评分、前列腺包膜显示清晰度和前列腺病变显示清晰度均存在显著差异(P<0.05);但在伪影评分上差异无统计学意义(P>0.05)。三组FSE-T2WI图像的前列腺外周带、移行带和病灶的SNR、CNR间差异具有统计学意义(P<0.05)。应用三组T2WI图像进行前列腺病变的PI-RADS v2.1评分具有很好的一致性。结论 DLR可以显著改善快速采集MRI序列的图像质量,有利于促进前列腺快速MRI序列的临床应用。 展开更多
关键词 前列腺 深度学习重建技术 磁共振成像 前列腺影像报告和数据系统 信噪比 对比噪声比
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部