Radiology:深度学习的浸润性乳腺癌模拟增强乳腺MRI
2023-03-04 shaosai MedSci原创 发表于上海
最近使用脑部MRI扫描的研究表明,利用深度学习从预对比度输入合成对比度增强图像是可行的。
现阶段,增强乳腺MRI是检测乳腺癌最敏感的影像学手段。虽然钆基造影剂的应用是安全的,但其使用也有潜在的限制。使用钆基造影剂需要静脉注射和医生监测,这增加了乳房MRI检查的成本和时间。需要使用钆基造影剂也限制了MRI在肾功能严重受损的小部分病人和怀孕病人中的应用。此外,人们对钆沉积的未知临床意义仍然感到担忧,特别是在补充性筛查人群中。作为回应,人们对乳腺MRI中的非强化替代方法的兴趣不断增加。迄今为止的研究表明,非强化序列(扩散加权成像与T1和/或T2系列相结合)的诊断性能十分具有临床价值,但仍然不如对比增强MRI。
最近使用脑部MRI扫描的研究表明,利用深度学习从预对比度输入合成对比度增强图像是可行的。这些结果提高了将类似的深度学习技术应用于乳腺MRI的可能性。然而,在乳腺中创建模拟对比增强MRI的可行性尚不清楚。
近日,发表在Radiology杂志的一项研究评估了使用深度学习从预对比MRI序列生成模拟对比增强乳腺MRI扫描的可行性和准确性。
本项研究回顾性地确定了2015年1月至2019年12月期间在一家学术机构进行的用于初步评估疾病范围的增强乳腺MRI检查。使用一个三维、完全卷积的深度神经网络模拟了来自五个预对比序列(T1加权非脂肪抑制[FS]、T1加权FS、T2加权FS、表观扩散系数和扩散加权成像)的增强T1加权乳腺MRI扫描。为了进行定性评估,四位乳腺放射学家(具有3-15年的经验)在对对比方法是真实的还是模拟的情况下,通过使用22对真实和模拟的对比增强MRI扫描来评估图像质量(优秀、可接受、好、差或不可接受)、肿瘤增强的存在以及最大指数质量大小。使用整个乳腺的相似性和误差指标以及增强肿瘤重叠的Dice系数分析来进行定量比较。
对96名女性(平均年龄52岁±12[SD])的96次MRI检查进行了评估。读者评估了所有的模拟MRI扫描,认为所有检查均具有真实MRI扫描的外观和肿瘤增强。真实和模拟MRI扫描的指数块大小显示出良好到优秀的一致性(类内相关系数,0.73-0.86;P < .001),没有明显的差异(平均差异,-0.8至0.8毫米;P = .36-.80)。几乎所有的模拟MRI扫描(88张中的84张[95%])都被认为具有诊断质量(评级为优秀、可接受或良好)。定量分析显示了强烈的相似性(结构相似性指数,0.88±0.05)、低体素明智的误差(对称的平均绝对百分比误差,3.26%),增强肿瘤重叠的Dice系数为0.75±0.25。
图 浸润性乳腺癌患者的真实与模拟(即合成)增强T1加权轴位乳腺MRI扫描。15名浸润性乳腺癌患者的真实和模拟对比增强乳房MRI扫描对像(箭头)。在所有图像中,胸腔内和乳腺外的结构都被掩盖
研究结果表明,利用深度学习生成模拟的增强乳房MRI扫描是可行的。模拟和真实的增强MRI扫描显示了具有可比性的肿瘤大小、肿瘤增强的区域和图像质量,没有明显的质量或数量差异。
原文出处:
Maggie Chung,Evan Calabrese,John Mongan,et al.Deep Learning to Simulate Contrast-enhanced Breast MRI of Invasive Breast Cancer.DOI:10.1148/radiol.213199
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言