将使用商业深度学习产品重建的前列腺扩散加权图像与在1.5 T条件下经过深度学习相位校正的模型进行比较

《Clinical Imaging》：Comparing prostate diffusion weighted images reconstructed with a commercial deep-learning product to a deep learning phase corrected model at 1.5?T

该研究通过回顾性分析30例患者的1.5T前列腺MRI数据，比较新开发的DLPC重建模型与商业DL产品的图像质量。结果显示DLPC在SNR（中位数49.4 vs 27.5，p<0.001）、噪声控制（p<0.001）和放射科医师评分方面均显著优于商业产品，证实DLPC能有效提升1.5T场强下前列腺DWI图像质量。

　　

Rory L. Cochran|William R. Bradley|Ranjodh S. Dhami|Eugene Milshteyn|Maximillian Pohl|Soumyadeep Ghosh|Nabih Nakrour|Patricia Lan|Xinzeng Wang|Arnaud Guidon|Mukesh G. Harisinghani

美国马萨诸塞州波士顿市麻省总医院放射科

摘要

目的

确定一种基于深度学习（DL）的相位校正（DLPC）重建模型是否能够在1.5 T下获取的前列腺扩散加权图像的质量上，优于现有的商业DL产品。

方法和材料

对30名连续接受1.5 T扫描仪进行常规多参数MRI（mpMRI）检查的前列腺患者进行了回顾性研究。使用商业DL产品和新的DLPC模型重建的扩散图像数据集进行了评估。三名经过认证的放射科医生使用5点李克特量表对四个特征进行了定性图像评估，并使用Gwet的AC2统计量估计了评分者间的一致性。通过评估中等b值（b = 1000 s/mm2）扩散图像的信噪比（SNR）进行了定量图像比较。使用Wilcoxon配对符号秩检验来评估不同技术之间的差异。图像噪声通过边缘函数进行评估。

结果

患者的中位年龄为70岁（四分位数范围：66.0–75.3岁）。所有放射科医生都认为DLPC图像集的噪声更少，图像质量更好（p < 0.05）。使用DLPC重建的中等b值扩散图像的信噪比显著更高（中位SNR：49.4 vs 27.5；p < 0.001），而DLPC和DL图像的平均ADC值没有显著差异（p = 0.63）。边缘分析显示DLPC图像的噪声显著降低（p < 0.001）。

结论

在1.5 T下，DLPC重建的前列腺扩散加权图像数据集可以减少图像噪声并提高信噪比，优于商业DL产品。

引言

扩散加权成像（DWI）是符合PI-RADS v2.1标准的前列腺MRI检查的重要组成部分。在评估疑似临床显著前列腺癌的患者时，高b值（b ≥ 1400 s/mm2）的DWI图像是区分外周区病变的主要因素，也是过渡区病变的次要因素。

传统的DWI使用单次回波平面技术获取，这使得它容易受到磁场不均匀性、空间模糊和前列腺信噪比（SNR）低的影响。

虽然将磁场强度提高到3特斯拉（T）可以帮助改善前列腺DWI的SNR，

但在某些情况下，使用更高场强磁体的机会可能受到限制，而由于患者因素（例如手术硬件或有条件的心脏起搏器），可能需要在较低场强磁体下进行MRI检查。

在过去二十年里，人们采用了多种方法来提高DWI图像质量，包括使用术前灌肠减少直肠气体体积、使用抗蠕动药物减少肠道运动以及使用直肠内线圈来提高SNR。表面线圈的硬件改进使得直肠内线圈不再受欢迎。

采用较小视野（rFOV）的前列腺DWI也提高了图像质量和临床显著前列腺癌的检测率。

最近，通过应用人工智能，前列腺DWI图像的质量得到了进一步提升。事实上，基于深度学习（DL）的DWI数据集重建已被证明可以显著改善图像质量，

为基于DL的解决方案在提高图像质量的同时缩短检查时间开辟了新的途径。

尽管取得了这些进展，但仍需要在临床上进一步提高前列腺DWI图像的质量。针对噪声问题和1.5 T系统固有较低SNR的问题，采用相应的方法将具有明显优势。最近在各种相位估计/校正方法方面的发展，主要是基于低通滤波器和总变分的相位估计方法，使得从幅度平均转向复杂平均成为可能，有助于缓解噪声底限问题。

然而，基于滤波器的方法需要调整以平衡信号偏差和高频相位伪影；总变分方法虽然在保留相位图中的清晰边缘方面表现更好，但计算量更大且需要调整。最近，开发了一种新的基于深度学习（DL）的相位校正（DLPC）方法，通过估计高质量的相位图来改善复杂平均并降低低SNR情况下的噪声底限。

然而，目前尚不清楚DLPC模型在临床环境中改善图像质量方面的表现如何，与其基于低通滤波器的商业对应产品相比如何。

研究设计

机构审查委员会批准了这项无需知情同意的回顾性研究。研究对象为2024年3月至2025年2月期间在1.5特斯拉下接受前列腺MRI检查的连续患者。

MRI参数与图像重建

所有患者都在SIGNA Artist ? 1.5 T宽孔（70 cm）MRI系统（GE HealthCare，威斯康星州沃基肖）上进行了检查。所有患者都被要求在预定检查前4小时内自行灌肠，未使用任何解痉药物。采用三平面（轴向）技术进行成像。

结果

共有30名患者在11个月内连续接受检查并被纳入研究（图1）。成像时的患者中位年龄为70岁（四分位数范围[IQR]：66.0–75.3岁），前列腺体积中位数为66.5 mL（IQR：41.8–97.5 mL）。前列腺特异性抗原（PSA）和中位PSA密度分别为5.0 ng/mL（IQR：2.9–7.4 ng/mL）和0.07 ng/mL/cm3（IQR：0.04–0.12 ng/mL/cm3）。其他队列特征列于表1中。

在定性评估中，DLPC重建的图像整体质量更好

讨论

在这项针对30名在1.5 T下接受前列腺MRI检查的连续患者的研究中，我们发现使用DLPC模型重建的DWI图像的整体质量显著优于现有的商业DL产品。此外，无论是从定性还是定量角度来看，DLPC都显著减少了图像噪声。这些数据表明，DLPC重建可能特别有助于提高信噪比并降低1.5 T下的噪声底限。

作者贡献声明

Rory L. Cochran：撰写 – 审稿与编辑、原始草稿撰写、验证、监督、项目管理、方法学、研究、正式分析、数据管理。William R. Bradley：撰写 – 审稿与编辑、方法学、研究、数据管理。Ranjodh S. Dhami：撰写 – 审稿与编辑、研究、正式分析、数据管理。Eugene Milshteyn：撰写 – 审稿与编辑、软件开发、方法学、研究、正式分析、数据管理。Maximillian Pohl：

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。