深度学习在肝脏屏气T2加权成像图像质量评价中的应用研究

目的 通过对肝脏的基于深度学习的屏气T2加权脂肪抑制序列(breath-hold fat-suppressed T2-weighted sequence with deep learning reconstruction technique,BH fs T2 DLR)与呼吸门控 Propeller T2 脂肪抑制序列(respiratory-gated propeller fat-saturated T2-weighted sequence,RTr fs T2 Propeller)的图像质量及扫描时间进行比较,以明确其临床应用价值.材料与方法 前瞻性纳入2022年1至6月在我院行肝脏MRI检查的患者46例(23例肝内占位性病变,23例无明显占位病变),利用3.0 T MRI分别采集BH fs T2 DLR和RTr fs T2 Propeller两种序列的图像.两名放射诊断医师独立对两种序列下的图像质量进行主观及客观性评分.主观图像质量评分采用李克特(Likert)5分量表法,客观评分包括计算两种序列获取的肝脏图像的信噪比(signal-to-noise ratio,SNR),存在肝占位患者计算肝占位/肝脏对比噪声比(liver-lesion contrast-to-noise ratio,CNR_Lesion),肝脏无占位性病变患者计算脾脏/肝脏对比噪声比(liver-spleen contrast-to-noise ratio,CNR_Spleen).利用Wilcoxon配对符号秩检验进行两组间差异比较,P＜0.05为差异有统计学意义.结果 BH fs T2 DLR扫描时间(38 s)明显短于RTr fs T2 Propeller序列(162 s)(P＜0.01).在肝脏图像主观评价方面,BH fs T2 DLR序列图像主观评分、病灶显示及图像伪影评分上均优于RTr fs T2 Propeller,且差异有统计学意义(P＜0.01).客观评价方面,基于 BH fs T2 DLR序列的肝脏SNR[290.30(220.63,383.80)]、CNR_Lesion[602.60(372.40,708.50)]、CNR_Spleen[267.70(146.70,432.80)]均显著高于 RTr fs T2 Propeller 序列的 SNR[166.85(131.40,224.83)]、CNR_Lesion[259.20(217.90,367.90)]、CNR_Spleen[206.20(104.40,293.70)],组间差异有统计学意义(P＜0.01).结论 BH fs T2 DLR序列能够提供稳定良好的高SNR图像,扫描时间明显缩短,可在一定情况下替代常用的RTr fs T2 Propeller序列,为临床提供一种更有效的扫描方式.