基于人工智能深度学习结合并行采集技术在单髋关节MR成像中的研究

摘要

目的 ：探究人工智能深度学习（DLR）技术在单髋关节MR成像中提高图像质量同时缩短扫描时间的临床应用价值，为广泛应用DLR技术积累宝贵试验数据。方法：招募30名健康志愿者，运用3.0T MR对受试者左侧髋关节进行常规扫描，获得原始组图像（RAW组）。调整序列的并行采集因子和激励次数，同时增加DLR技术，获得加速组图像（DLR组）。测量两组图像的股骨头和臀中肌的信号强度和标准差，计算股骨头和臀中肌的信噪比（SNR）和对比噪声比（CNR）。由高年资医师对两组图像的显示情况进行李克特5分制主观评价。对两组成像客观评估及主观评估进行统计学分析。结果：DLR组序列的SNR皆优于RAW组，差异均有统计学意义(SNR_臀中肌：P<0.05;SNR_股骨头：P<0.05)；两组图像的CNR差异无统计学意义（P>0.05）。DLR组的扫描总时间为329 s，相比于RAW组的608 s缩短了279 s，提升了45.9%的扫描效率。主观评估结果显示，DLR组的矢状位PDWI抑脂序列、冠状位PDWI抑脂序列、冠状位T₁WI序列与RAW组比较，差异无统计学意义；DLR组的横轴位T₂WI抑脂序列的整体图像情况均优于RAW组，差异有统计学意义。结论：基于人工智能DLR的髋关节MR成像不仅能够有效缩短扫描时间，还能进一步改善图像质量。

关键词

髋关节 / 人工智能 / 磁共振成像