基于深度学习重建算法在腰椎MRI中的降噪应用研究

目的 探讨深度学习重建算法对腰椎MRI的降噪效果及其临床应用中的可行性.方法 前瞻性地纳入临床要求行腰椎MR检查的患者53例.使用1.5T MR及脊柱线圈单元行矢状位T1加权成像(T1-Weighted Image,T1WI)、T2加权脂肪抑制成像(T2-Weighted Fat Suppressed Image,T2WI-FS)、短时间反转恢复(Short Time Inversion Recovery,STIR)序列和横断位T2WI序列扫描,获得原始图像(A组),利用常规滤波重建获得图像(B组)和深度学习重建获得图像(C组).使用定量指标峰值信噪比(Peak Signal to Noise Ratio,PSNR)和图像锐利度评估各序列3组图像的SNR和锐利度.由两位放射医师对图像的整体质量、噪声、对比度和伪影进行评分和分析,两组评分进行一致性检验.结果 与A组和B组相比,C组所有腰椎序列的PSNR值均升高(P值均<0.05),T1WI、STIR和横断位T2WI的图像锐利度值升高(P值均<0.05).C组的T1WI的噪声、对比度分辨率和伪影以及其他序列的整体图像质量、噪声、对比度分辨率和伪影的主观评分均明显高于A、B两组(P值均<0.05).结论 深度学习重建技术在腰椎常规序列图像中的降噪效果良好,提高了图像质量,具有一定的临床应用价值.