膝关节疼痛患者基于深度学习的膝关节MRI重建与常规序列的比较

《Diagnostics》：Comparison of Deep-Learning-Based Reconstruction of Knee MRI with Conventional Sequences in Patients with Knee Pain

　　

摘要

背景：膝关节磁共振成像（MRI）是门诊环境中执行最多的磁共振检查之一，在检测病变方面发挥着至关重要的作用。为了增加对高级成像的获取并提供有价值的诊断信息给临床医生，在保持良好图像质量的同时缩短图像采集时间至关重要。基于深度学习的重建（DLR）算法（SubtleMR?）可能是传统MRI的一种替代方案，可在保持图像质量和诊断价值的前提下缩短扫描时间。目的：在膝关节疼痛患者中，比较传统序列与自动加速的基于深度学习的重建（DLR）膝关节算法方法之间的图像质量和诊断表现。材料与方法：前瞻性纳入50例连续患者（26名男性，平均年龄43.5 ± 10岁），于2020年11月至2020年12月在1.5 T MRI系统上接受传统膝关节MRI（采集时间：13分27秒）和加速DLR（采集时间：6分45秒）膝关节MRI。两名独立的肌肉骨骼放射科医师使用3分Likert量表（1–3分）对图像质量伪影和病变进行比较。数据采用配对Wilcoxon符号秩检验进行比较。结果：共纳入43例患者，共86次膝关节MRI检查。两位阅片者对传统序列和加速DLR的比较显示，在整体诊断、图像质量和伪影方面均无显著差异。加速DLR膝关节MRI与传统采集方式相当，每位患者平均时间差异为6分42秒（49.81%）。结论：加速DLR膝关节MRI在保持等效诊断和图像质量的同时，大幅缩短了采集时间（约49.81%）。