用于优化内耳成像的AI辅助压缩感知：CSAI T2-DRIVE的多阅片者MRI评估

《Clinical Neuroradiology》：AI-Assisted Compressed Sensing for Optimized Inner Ear Imaging: a Multi-Rater MRI Evaluation of CSAI T2-DRIVE

　　

目的：高分辨率T2加权成像（T2-weighted imaging）对人工耳蜗（cochlear implantation，CI）植入术前评估至关重要。压缩感知（compressed sensing，CS）联合基于人工智能的重建（AI-based reconstruction，CSAI）可在保持图像质量的同时缩短采集时间。尽管CSAI已在多种临床场景中应用，其在内耳成像中的表现仍不明确。本研究评估不同分辨率与采集时间下CSAI优化的T2-DRIVE序列对内耳结构的显示能力。 方法：在30名健康受试者中采集各向同性分辨率0.65、0.5和0.4 mm的CS T2-DRIVE图像。0.5和0.4 mm数据另采用商用AI重建算法重建。三名阅片者采用5分Likert量表独立评估解剖标志（耳蜗、半规管、前庭耳蜗神经）、伪影和信噪比（signal-to-noise ratio，SNR）；每名阅片者在≥4周后对子集再次评分。组间与组内可靠性采用二次加权Cohen’s kappa，序列间差异采用累积连加混合模型（cumulative link mixed models，CLMM）分析。 结果：0.4 mm各向同性成像的SNR低于CSAI 0.5 mm（p＜0.001）。所有阅片者中，0.5 mm CSAI T2较0.65 mm显著改善耳蜗和前庭耳蜗神经显示（p＜0.001），半规管可评估性下降（p=0.082）。采集时间随分辨率增加：0.65/0.5/0.4 mm分别为4:02/4:25/4:34 min。 结论：AI驱动重建算法在0.5 mm分辨率下以极小扫描时间增加实现关键内耳结构成像的统计显著改善。

研究背景方面，高分辨率T₂加权MRI是耳科与人工耳蜗植入术前评估的重要工具，可用于显示内耳解剖、耳蜗神经发育情况以及先天畸形。传统术前评估常结合MRI与CT，但儿科人群中逐渐倾向MRI-only方案。压缩感知（compressed sensing，CS）可加速采集，常规CS会带来噪声放大；基于人工智能的重建（AI-assisted compressed sensing，CSAI）通过深度学习去噪缓解该问题。然而，CSAI用于高分辨率三维T₂内耳成像是否能在不延长扫描时间的前提下提高空间分辨率与结构显示，仍缺乏证据，因此研究人员开展本项技术可行性研究。

该论文发表于《Clinical Neuroradiology》。研究人员在30名健康年轻成人（18–31岁，13名男性、17名女性）中，使用同一台Philips Ingenia Elition X 3.0T MRI与32通道头线圈，采集0.65、0.5、0.4 mm各向同性CS T₂-DRIVE；0.5与0.4 mm数据采用Adaptive-CS-Network商用实现SmartSpeed AI进行CSAI重建。三名不同经验阅片者盲法、随机顺序采用5分Likert量表评估SNR、伪影、耳蜗、前庭耳蜗神经（vestibulocochlear nerve，CN VIII）和半规管（semicircular canals，SCC）；≥4周后对10名受试者子集复评。统计采用二次加权Cohen’s kappa评价可靠性，以CS 0.65 mm为参照用CLMM分析序数评分。

Scoring Results：研究人员通过描述性统计与CLMM发现，评分多集中于3–5分；CSAI 0.5 mm、CSAI 0.4 mm和CS 0.5 mm的主观SNR显著高于CS 0.65 mm，CS 0.4 mm无显著差异；CSAI序列伪影显著少于CS 0.65 mm；CN VIII显示以CSAI 0.5 mm、CSAI 0.4 mm和CS 0.5 mm更优；耳蜗显示在全部替代序列中增强，其中CSAI 0.5 mm与CSAI 0.4 mm最强；半规管则以CS 0.65 mm最佳，薄层序列评分更低。

Reliability：组间可靠性显示耳蜗与半规管为中度一致（κ=0.48），伪影几乎无一致（κ=-0.03）；完整一致率在不同类别和序列间差异明显。组内可靠性显示主观SNR、耳蜗、半规管一致性较高（κ=0.70），伪影最低（κ=0.42）；各阅片者平均κ为0.55、0.43、0.69，说明经验水平会影响评分稳定性，但形态学明确结构的复评一致性较好。

讨论部分总结：研究人员指出CS加速与AI重建结合可在健康成人中实现更高分辨率且改善耳蜗与CN VIII显示，0.5 mm CSAI提升最明显，且仅比常规0.65 mm多约30秒，利于临床流程整合。半规管因部分容积效应、流动信号丢失和乳突气房磁敏感伪影，在更薄层厚下反而劣于0.65 mm。已有文献中Boubaker等也显示深度学习重建可改善膜迷路显示，但对球囊、蜗顶和半规管显示仍有限。其他部位如肩、膝、前列腺、直肠MRI研究虽不能直接外推，但支持AI辅助MRI重建的方法学价值。本研究局限包括：健康年轻成人队列、供应商特定AI软件、SNR为主观Likert评估而非ROI定量、可能将过平滑误认为降噪；因此需要病理患者、儿童CI候选者验证。

结论部分翻译：这项在健康年轻成人志愿者中的前瞻性可行性研究表明，在使用基于人工智能的重建算法进行内耳CS T₂-DRIVE成像时，提高分辨率同时保持或改善图像质量是可行的，且扫描时间仅轻微增加，可无缝整合进常规临床工作流。研究人员在健康成人志愿者中证明了耳蜗和前庭耳蜗神经的图像质量与可视性获得统计学显著改善，从而为未来患者队列验证建立概念证明。结果表明，尤其在0.5 mm分辨率下，该技术具有提升人工耳蜗植入前耳蜗与前庭耳蜗神经纤维束成像质量的重要潜力。