基于深度学习技术的TSE-T2WI在纵隔MRI中的应用价值

摘要

目的：探讨基于深度学习重建（deep learning reconstruction,DLR）技术的快速自旋回波（turbo spin echo,TSE）T2加权成像（T2 weighted imaging,T2WI）序列提高纵隔T2WI图像质量和减少扫描时间的应用价值。方法：前瞻性收集35例纵隔病变的患者进行纵隔常规T2WI序列和基于DLR的T2WI(T2WI_DLR)序列扫描。由2位放射科医师各自独立对两组图像的伪影、图像清晰度、病灶的细节显示和整体图像质量进行定性评分，并测量和比较两组图像的病灶信噪比(SNR_病灶)和病灶与竖直肌的对比噪声比(CNR_{病灶/肌肉})。结果：T2WI_DLR在伪影、图像清晰度、病灶细节显示和整体图像质量的评分均优于常规T2WI（P均<0.001）。T2WI_DLR序列图像的SNR和CNR均优于常规T2WI序列（P均<0.001）。结论：与常规T2WI序列相比，T2WI_DLR序列的运动伪影更少，图像清晰度、病灶细节显示和整体图像质量更优，图像SNR和CNR更高，在纵隔疾病的临床应用中有较大潜力。

关键词

纵隔 / 深度学习 / 磁共振成像 / 快速自旋回波