深度学习重建算法在腰椎磁共振加速成像中的临床应用价值OA

目的 探究加速成像联合深度学习重建(deep learning reconstruction,DLR)技术在腰椎磁共振成像(magnetic resonance imaging,MRI)中的临床应用价值。材料与方法 回顾性分析116例接受腰椎检查患者的临床及影像资料。其中54例接受标准成像和标准重建(A组),62例接受加速成像(B组)。B组图像分别采用标准重建(B1组,n=62)和DLR(B2组,n=62)进行处理。比较三组图像的扫描时间、客观图像质量指标[信噪比(signal-to-noise ratio,SNR)、对比噪声比(contrast-to-noise ratio,CNR)]、主观视觉评分(5分制Likert量表)及诊断一致性。采用组内相关系数(intra-class correlation coefficient,ICC)和Kappa检验评估观察者间一致性。结果 两组患者年龄、性别及就诊原因无显著差异(P均>0.05)。扫描时间方面:与A组相比,B组总扫描时间缩短185秒(提速46%)。客观图像质量方面:T1加权成像中,B2组各组织SNR及椎体CNR均高于A组和B1组(P均<0.05),但三组间脊髓CNR差异无统计学意义(P>0.05)。T2加权成像中,三组间各组织SNR及CNR差异均无统计学意义(P均>0.05)。主观图像质量方面:T1加权成像中,B2组伪影、噪声、整体图像质量及诊断信心评分均高于A组和B1组(P均<0.001),且B2组解剖结构显示评分高于A组(P<0.05);B1组噪声优于A组(P<0.05)。T2加权成像中,B2组解剖结构显示、伪影、噪声、整体图像质量及诊断信心评分均高于A组和B1组(P均<0.001)。诊断性能方面:SNR和CNR的可重复性测量ICC值分别为0.980(95%CI:0.963~0.990)和0.972(95%CI:0.943~0.990);T1WI及T2WI主观评分的ICC值均>0.900;对椎管狭窄、椎间盘病变等分级诊断的Kappa值为0.876~0.944(P均<0.001),表明两种技术具有较好的一致性。结论 加速成像联合DLR技术可在显著缩短腰椎MRI采集时间的同时提升图像质量,且在腰椎常见病变的诊断效能上与标准成像具有良好的一致性,具有较高的临床应用价值。