深层学习重建 EPI 在乳腺病灶下的 DWI 图像质量对比：基于 3.0T 的 pilot 研究
图像与视频处理
2024-10-02 v1 医学物理
摘要
DWI 的空间分辨率存在挑战性，可通过深层学习基于图像重建来降低噪声而不增加获取时间。本研究旨在比较 Echo Planar Imaging 深度学习 (EPI DL) DWI 序列与临床常用的同时多切片 (SMS) RESOLVE 在乳腺病灶中的图像质量。对 20 名受试者的 EPI DL 和 RESOLVE 乳腺图像进行定性评估。计算了两种高 b 值 (b800) 图像和 ADC 图上的 SNR 和 CNR 定量图像质量指标。RESOLVE 与 EP DL 在 b800 图像 (p=0.006)、ADC 图 (p=0.001) 以及 ADC 圆形描绘 (0.001) 中的 SNR 存在统计学显著差异。DWI DL 重建可能在不牺牲获取时间和图像质量的前提下，用于解决低空间分辨率问题。此类优势结合可用的读取分割和 SMS 获取方法，可能进一步提高 DWI 在乳腺成像中的价值。
引用
@article{arxiv.2410.00018,
title = {Comparing DWI image quality of deep-learning-reconstructed EPI with RESOLVE in breast lesions at 3.0T: a pilot study},
author = {Marialena I. Tsarouchi and Antonio Portaluri and Marnix Maas and Ritse M. Mann},
journal= {arXiv preprint arXiv:2410.00018},
year = {2024}
}
备注
Digital poster presented in the Annual Meeting of International Society of Magnetic Resonance in Medicine (ISMRM), 4th to 9th of May 2024, Singapore