《European Journal of Radiology Artificial Intelligence》：Deep learning reconstruction for prostate MRI: Impact of field-of-view selection on global and regional image quality
编辑推荐：
为解决 MRI 扫描时间长、现有评估指标无法检测诊断区域特定退化等问题，研究人员开展基于深度学习的前列腺 MRI 重建研究。结果显示临床视野（FOV）图像质量稳定，区域特异性 FOV 显著退化。这表明需将区域特异性质量指标纳入评估框架。
在医学影像领域，磁共振成像（MRI）凭借出色的软组织对比度和无创特性，成为现代诊断的重要手段。然而，其较长的扫描时间却带来了诸多麻烦。一方面，降低了患者的检查效率，使得医院每天能够检查的患者数量受限；另一方面，长时间的扫描还容易让患者产生移动，进而出现运动伪影，严重影响图像的质量，最终可能导致诊断结果不准确。为了攻克这些难题，科研人员积极探索，开发出多种加速方法，深度学习（DL）重建技术便是其中备受瞩目的一种。它借助强大的神经网络对 MR 图像进行优化，在加快扫描速度的同时，还力求保持图像的诊断价值。
但在实际应用中，新的问题又出现了。目前，对 DL 重建 MRI 视觉质量的评估，通常采用全局图像相似性指标，比如结构相似性指数（SSIM）、高频误差范数（HFEN）和峰值信噪比（PSNR）等。这些指标是基于整个临床视野（FOV）计算得出的，虽然能给出一个总体的图像质量评价，但却存在明显的缺陷。它们就像是用一把大刷子在画布上随意涂抹，把整个视野内的所有信息都混在一起进行平均计算，这样一来，很容易忽略掉诊断相关区域的特定退化情况。想象一下，在前列腺 MRI 检查中，哪怕病变区域只有极其细微的退化，或者因为算法问题出现一些虚假的结构，都可能误导医生的诊断，后果不堪设想。所以，如何更精准地评估 DL 重建图像在关键诊断区域的质量，成为了亟待解决的重要课题。
在这样的背景下，来自国外（University Medical Center Groningen）的研究人员勇敢地迎接挑战，开展了一项极具意义的研究。他们深入探究基于深度学习的前列腺 MRI 重建中，不同视野选择对全局和区域特定图像质量的影响，试图弄清楚全局评估是否真的会掩盖诊断相关区域的局部退化。这项研究成果发表在《European Journal of Radiology Artificial Intelligence》上，为该领域的发展提供了重要的参考。
研究人员在此次研究中运用了多种关键技术方法。首先，他们使用了纽约大学（NYU）公开的 fastMRI 前列腺 k 空间数据集进行模型训练，同时选取了来自 University Medical Center Groningen 的 157 名患者的双参数前列腺 MRI 扫描数据作为测试集。其次，在图像重建方面，采用了 vSHARP 重建模型，该模型在相关挑战中表现出色，具有先进的性能。最后，通过对不同区域的图像进行分割，并使用 SSIM、PSNR 和 HFEN 等指标，从全局和区域特异性两个层面来评估图像质量。
下面我们来看看具体的研究结果：
- 扫描时间变化：减少 k 空间平均次数并增加并行成像因子后，测试数据集的估计采集时间大幅缩短。从非加速（R=1）时的 3:18 - 8:40 分钟，缩短到 R=3 时的 1:06 - 2:53 分钟，R=6 时更是缩短到 0:33 - 1:27 分钟。
- 全局和区域特异性指标比较：实验 1 对比了临床 FOV 和区域特异性正常前列腺组织 FOV 的视觉质量（SSIM）。发现在 R=3 时，临床视野的 SSIM 为 0.88±0.06 ，而前列腺区域显著降低至 0.62±0.11；R=6 时，临床视野略微下降到 0.86±0.06 ，前列腺区域则下降更为明显，降至 0.53±0.11。这表明临床 FOV 的图像质量相对稳定，而区域特异性 FOV 受加速影响更大。
- 前列腺组织与病变组织比较：同样在实验 1 中，对比前列腺和病变区域的 SSIM 值发现，R=3 时，正常前列腺组织的 SSIM（0.62±0.11）显著低于病变区域（0.67±0.10）；R=6 时，前列腺组织 SSIM 进一步下降到 0.53±0.11 ，仍低于病变区域（0.61±0.10）。
- 前列腺与参考区域比较：实验还观察到正常前列腺组织与参考区域（肌肉、脂肪、股骨）的 SSIM 存在显著差异。不过在 R=6 时，前列腺和股骨的 SSIM 差异消失，均为 0.53±0.11 ，但与肌肉和皮下脂肪相比，前列腺的 SSIM 仍显著更低。这说明随着加速增加，前列腺重建质量的下降速度比大多数非诊断区域更快。
- SSIM 降解率比较：实验 2 对比了临床视野和区域特异性评估（前列腺和病变）在 R=3 和 R=6 时的 SSIM 降解情况。结果显示，在这两个加速水平下，区域特异性评估的 SSIM 下降幅度都明显大于临床视野。
综合研究结果和讨论部分来看，此次研究意义重大。它明确指出了目前仅基于临床 FOV 的 SSIM 评估标准存在的严重问题，即无法准确捕捉诊断区域的特定退化情况。研究发现区域特异性图像质量会随着加速的增加而快速恶化，尤其是在前列腺和病变等关键诊断区域。这一结论强调了将区域特异性质量指标融入 DL 重建评估框架的必要性。只有这样，才能更准确地评估模型在临床应用中的性能，为开发出更符合临床需求的 DL 重建模型提供有力支持。此外，研究人员还指出，未来的研究可以在更广泛的 DLR 模型中验证区域特异性和全局评估的影响，探索更符合人类视觉和诊断结果的评估指标，进一步推动医学影像领域的发展。
