四种前列腺T2加权MRI重建技术（SENSE/CS/DL/SR）的图像质量与病灶显示效能对比研究

《European Journal of Radiology Open》：Comparative evaluation of four reconstruction techniques for prostate T2-weighted MRI: Sensitivity encoding, compressed sensing, deep learning, and super-resolution

本研究针对前列腺癌诊断中T2WI图像质量优化需求，首次在相同条件下系统比较SENSE（敏感度编码）、CS（压缩感知）、DL（深度学习）和SR（超分辨率）四种重建技术。结果显示SR在信噪比（SNR=19.36±4.09）、锐度指数（523.50±96.96）等定量指标及病灶显示度上均显著优于其他方法（p<0.0001），为临床选择最优重建方案提供实证依据。

　　

前列腺癌作为男性高发恶性肿瘤，其精准诊断依赖多参数磁共振成像（mpMRI）技术。尽管T₂加权成像（T2WI）在前列腺解剖结构显示和过渡区病灶评估中具有不可替代的作用，但传统重建技术如敏感度编码（SENSE）存在图像伪影、分辨率不足等局限。近年来，压缩感知（CS）、深度学习（DL）和超分辨率（SR）等新型重建算法相继涌现，但缺乏系统比较研究。

为解决这一技术瓶颈，来自日本的研究团队在《European Journal of Radiology Open》发表创新研究。该团队采用3T MRI系统（Philips Ingenia Elition X）对49例疑似前列腺癌患者进行前瞻性数据采集，通过双盲评估和定量分析，首次实现SENSE、CS、DL和SR四种技术在相同条件下的直接对比。

关键技术包括：1）采用32通道相控阵线圈获取轴向T₂WI数据；2）对CS采集数据分别应用传统迭代算法（CS）、基于Adaptive-CS-Net的DL重建和结合SuperRes-Net的SR处理；3）由两位资深放射科医师采用4分Likert量表进行盲法评估；4）计算SNR、CNR和Blanchet-Moisan锐度指数等定量指标；5）对18例病理确诊病例进行PI-RADS v2.1评分和病灶显示度分析。

【3.1. 患者特征】
研究纳入49例男性患者（中位年龄71岁），其中18例经病理证实为前列腺癌（Gleason评分3+4至4+5）。所有病例均完成四种重建技术的图像质量评估。

【3.1.1. 图像质量定性评估】
SR在整体图像质量（中位数4分）和锐度（中位数4分）上显著优于其他方法（p<0.0001）。DL表现优于SENSE（p=0.0015），但与CS无统计学差异。值得注意的是，SR使49%病例获得"优秀"评级，而SENSE组65%病例仅达"可接受"标准。

【3.1.2. 图像质量定量评估】
SR展现出全面优势：SNR（19.36±4.09）比SENSE提升30%（p<0.0001），CNR（15.20±4.08）提高31%，锐度指数（523.50±96.96）更是SENSE的3倍。DL在视觉评估优异但定量指标反低于CS，揭示传统指标对DL性能评估的局限性。

【3.2. PI-RADS评分与病灶显示度】
虽然94.4%病例的PI-RADS评分保持一致，但SR组病灶显示度评分显著更高（p<0.002）。典型案例显示SR能更清晰显示外周带病灶边界（图2），一例移行带病例中SR使PI-RADS类别从4类提升至5类。

讨论部分指出，SR的卓越性能源于其双网络架构：Adaptive-CS-Net实现噪声抑制，SuperRes-Net通过残差学习消除Gibbs伪影。该研究首次证实SR在保持诊断一致性的同时，可显著提升图像质量，这对PI-RADS评分依赖度高的过渡区病灶评估尤为重要。

这项研究存在单中心、样本量有限等局限，但为前列腺MRI重建技术选择提供了Level II证据。未来研究可探索SR在扫描时间压缩、微小病灶检出等方面的潜力，推动人工智能重建技术在前列癌精准诊断中的临床应用。