肩关节加速MRI应用深度学习重建算法的可行性与临床价值

作     者：王璇 王皓 万云天 陈友芳 聂春焰 杜昱升 何健 WANG Xuan;WANG Hao;WAN Yuntian;CHEN Youfang;NIE Chunyan;DU Yusheng;HE Jian

作者机构：东南大学附属中大医院江北院区医学影像科江苏南京210048 南京医科大学第四附属医院放射科江苏南京210031 南京医科大学鼓楼临床医学院江苏南京210008 

出 版 物：《中国临床研究》 (Chinese Journal of Clinical Research)

年 卷 期：2024年第37卷第8期

页      面：1238-1243页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

基　　金：江苏省“十三五”强卫工程青年医学重点人才(QNRC2016041) 南京医科大学科技发展基金一般项目(NMUB20230037) 

主　　题：深度学习重建 肩关节 核磁共振 信号噪声比 对比噪声比 图像质量 

摘      要：目的 探讨深度学习重建算法(DLR)在肩关节MRI中提高图像质量和缩短扫描时间的可行性与临床价值。方法 前瞻性纳入2023年6月至10月期间在南京医科大学第四附属医院的50例疑似患有肩关节病变的患者,采用1.5T MRI行常规序列扫描图像为Fse_(con)组,使用并行采集加速因子2的扫描图像为Fse_(fast)组,扫描序列包括脂肪抑制质子加权像(PDWI-FS)和T1加权像(T1WI),将Fse_(fast)组传至Subtle MR^(TM )dlr后获得图像Fse_(dlr)组。测量三组图像中的冈上肌、肱二头肌长头肌腱、盂唇软骨、肱骨骨髓的信号噪声比(SNR)及冈上肌/盂唇软骨的对比噪声比(CNR)并进行比较,两名放射科医师双盲采用Likert 4分法分别对Fse_(dlr)组与Fse_(con)组的图像清晰度和伪影进行主观评价,并对这两组的病理异常结构进行诊断效能对比。结果 相对于Fse_(con)组,Fse_(dlr)组扫描时间缩短了44%,且图像清晰度评分、伪影评分均增高,差异有统计学意义(P0.05),两名医师主观评分组内相关性系数为0.797~0.919。客观评价指标中,Fse_(dlr)组的SNR和CNR均明显高于Fse_(con)组与Fse_(fast)组,差异均有统计学意义(P0.05)。在两位医师对Fse_(con)组与FSE_(dlr)组病理异常结构的评估中,两组的诊断结果均有较好的一致性(Kappa值:0.675~1.000),在同一名医师的评估中也显示出极好的一致性(Kappa值:0.771~1.000),其中肱骨骨髓、关节滑囊、肱二头肌长头肌腱的Kappa值均高于0.8。结论 将DLR算法应用于肩关节MRI检查中,能够提高图像质量、缩短图像采集时间,并保证诊断效能,提高检查效率,具有较好的临床价值。