Baidu
map

European Radiology:深度学习技术在快速3D屏气MR胰胆管成像中的应用

2023-02-26 shaosai MedSci原创 发表于上海

MRCP常规使用呼吸机触发的三维(3D)采集,产生无层间隔的薄层图像。然而,MRCP通常需要较长的采集时间,并依赖于呼吸节律,常常增加运动伪影的风险。

磁共振胰胆管成像(MRCP)是一种无创的诊断方法,是一项用于对胆道和胰腺管进行成像的影像学技术。MRCP常规使用呼吸机触发的三维(3D)采集,产生无层间隔薄层图像。然而,MRCP通常需要较长的采集时间,并依赖于呼吸节律,常常增加运动伪影的风险。因此,在这种情况下,二维(2D)屏气(BH)MRCP仍然具有重要的价值。然而,二维序列对于小的病变来说太厚,而且不允许进行三维重建。因此,需要减少三维MRCP序列的采集时间同时保持其优势。

现阶段临床上已有一些学者尝试开发三维单波段各向同性协议:平行成像和压缩感应(CS)是快速三维波段MRCP的两种典型方法。有了平行成像,3D BH-MRCP已经变得可行。此外,与梯度和自旋回波序列(GRASE)相结合,在高场MR成像中提供了更好的均匀B0场。尽管结果很好,但该方法仍不能充分显示小导管结构。CS通过对K空间的随机下采样结合迭代重建过程实现快速采集,是3D BH-MRCP的另一种方法。以前的研究表明,与标准的呼吸触发式3D MRCP相比,使用CS的3D BH-MRCP可以提高时间分辨率,同时保持图像质量。然而,临床实践中的高加速因子也可能导致图像质量下降。

最近,基于深度学习(DL)的方法旨在提高快速重建欠采样的MRI K空间数据的图像质量,并解决上述限制。在一次屏气中实现快速三维MRCP的一个有用策略是结合CS和DL的优势。

近日,发表在European Radiology杂志的一项研究比较了3D CS- MRCP、3D GRASE-MRCP和传统2D MRCP的性能,为改善MRCP快速采集的图像质量提供了技术参考。

本项研究前瞻性地纳入了102名在3.0T下接受MRCP的连续患者,包括2D MRCP、3D GRASE-MRCP、3D CS- MRCP和3D DL-CS-MRCP。两位放射科医生使用五分制独立分析了整体图像质量、背景抑制、伪影和胰胆管的可视化。测量了总胆管(CBD)的信噪比(SNR)CBD和肝脏的对比度-噪声比(CNR)以及管周组织和CBD的对比度采用Friedman测试来比较这四种方案。

与其他三种方案相比,3D DL-CS-MRCP的SNR和CNR值有所提高,与3D CS-MRCP和3D GRASE-MRCP相比对比度更好(所有,P < 0.05)。定性图像分析显示,与3D CS-MRCP相比,3D DL-CS-MRCP对二级肝内管和远端主胰管有更好的表现(所有,P < 0.05)。与二维MRCP相比,三维DL-CS-MRCP对二肝左叶肝内胆的显示表现出更好的性能,但在评估主胰腺管方面则较差(所有,P < 0.05)。此外,3D DL-CS-MRCP的图像质量明显高于3D GRASE-MRCP。


 一位54岁的女性,胆总管的胰腺段狭窄和肝内胆管扩张。三维DL-CS-MRCP(d)与二维MRCP(a)、三维GRASE-MRCP(b)和三维CS-MRCP(c)的描述相比,清楚地描述了左侧二级肝内管(箭头)

研究表明,与传统的二维MRCP和三维MRCP与CS和GRASE的相应结果相比,基于深度学习重建的三维BH-MRCP通过提高SNR和CNR改善了图像质量,并使小肝管的可视化更好。然而,当关注胰腺管时,三维BH-MRCP仍应与二维MRCP相结合以用于常规临床MRCP的综合检查。

原文出处:

Yu Zhang,Wanlin Peng,Yi Xiao,et al.Rapid 3D breath-hold MR cholangiopancreatography using deep learning-constrained compressed sensing reconstruction.DOI:10.1007/s00330-022-09227-y

版权声明:
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
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2139652, encodeId=3c06213965253, content=学到了, beContent=null, objectType=article, channel=null, level=null, likeNumber=49, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=43cc5507950, createdName=ms8000001335780189, createdTime=Mon May 29 11:06:01 CST 2023, time=2023-05-29, status=1, ipAttribution=新疆), GetPortalCommentsPageByObjectIdResponse(id=2116599, encodeId=c534211659973, content=认真学习了, beContent=null, objectType=article, channel=null, level=null, likeNumber=69, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://wx.qlogo.cn/mmopen/NUyjXTCJjo6EF3hKja8nER8RMzxQdria9eCYFhgLTLsDOeqnvIYdeLDz5eP6EnicLuE5gibiawgno4zUA0jAR7Nbtp2llQ9fs3Mk/0, createdBy=278f1986883, createdName=医鸣惊人, createdTime=Sun Feb 26 20:56:16 CST 2023, time=2023-02-26, status=1, ipAttribution=山西省)]
    2023-05-29 ms8000001335780189 来自新疆

    学到了

    0

  2. [GetPortalCommentsPageByObjectIdResponse(id=2139652, encodeId=3c06213965253, content=学到了, beContent=null, objectType=article, channel=null, level=null, likeNumber=49, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=43cc5507950, createdName=ms8000001335780189, createdTime=Mon May 29 11:06:01 CST 2023, time=2023-05-29, status=1, ipAttribution=新疆), GetPortalCommentsPageByObjectIdResponse(id=2116599, encodeId=c534211659973, content=认真学习了, beContent=null, objectType=article, channel=null, level=null, likeNumber=69, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://wx.qlogo.cn/mmopen/NUyjXTCJjo6EF3hKja8nER8RMzxQdria9eCYFhgLTLsDOeqnvIYdeLDz5eP6EnicLuE5gibiawgno4zUA0jAR7Nbtp2llQ9fs3Mk/0, createdBy=278f1986883, createdName=医鸣惊人, createdTime=Sun Feb 26 20:56:16 CST 2023, time=2023-02-26, status=1, ipAttribution=山西省)]
    2023-02-26 医鸣惊人 来自山西省

    认真学习了

    0

相关资讯

Radiology:实现脊柱MRI加速的深度学习重建

深度学习(DL)可用于提高加速的MRI采集。基于DL的MRI重建的主要目的是通过使用深度神经网络从较少或 "欠采样 "的K空间数据中重建高质量的图像来促进更快的扫描。

Euro Radio:基于深度学习的全自动定量MRI血流评估

深度学习(DL)是一种先进的人工智能(AI)技术,最近被应用于心脏MRI以评估LV功能或在主动脉解剖分割中。

Radiology:深度学习,实现胸片的特发性肺纤维化患者的生存预测

现阶段,胸部X光检查是全球最常进行的影像学检查。胸部X光片的广泛使用产生了大量的信息,但很少进行量化处理。

Radiology:慢性冠状动脉闭塞的CCTA深度学习分割与重建

冠状动脉CT血管成像(CCTA)是一种成熟的无创成像方式,可用于准确诊断冠状动脉狭窄。

European Radiology:基于深度学习算法的胸部CT肋骨骨折自动检测评估

肋骨骨折的数量,尤其是不稳定肋骨骨折代表了创伤严重程度的一个重要指标,并有报道称其与胸部创伤后的死亡率相关。

European Radiology:深度学习在预测胶质母细胞瘤预后方面的价值

最近,放射基因组学作为一个有前途的研究领域出现,可将成像表型与基因组学数据联系起来为临床提供诊断及治疗等多方面的指导。

Baidu
map
Baidu
map
Baidu
map