深度学习重建辅助压缩感知对乳腺T₂W脂肪抑制序列图像质量的影响

摘要

目的 探讨深度学习重建（DLR）辅助常规压缩感知（CS）对乳腺磁共振T₂W脂肪抑制序列图像质量的影响。方法 招募女性志愿者30名，在1.5 T磁共振仪上采用T₂W脂肪预饱和（Fat-Sat）序列[加速因子（AS）为2.0、3.0及4.0]行乳腺MR扫描获得CS图像，再行DLR重建获得DLR结合CS（DLR+CS）图像，对两组图像的信噪比（SNR）和对比噪声比（CNR）及临床医生主观定性评价进行对比分析。结果 女性志愿者乳腺DLR+CS图像SNR和CNR均优于CS图像（P<0.001）,且AS为4时DLR+CS组乳腺图像SNR及CNR提升最为显著（157%及171%）;女性志愿者乳腺DLR+CS图像整体图像质量、伪影、主观噪声、解剖结构显示及诊断可信度均优于CS图像（P<0.001）。结论 与常规CS图像比较，DLR辅助CS可提高乳腺T₂WI Fat-Sat序列的图像质量，在较高AS条件下（3或4）依然能满足临床诊断需求。

关键词

磁共振成像 / 深度学习重建技术 / 压缩感知 / 脂肪抑制 / 乳腺 / 图像质量