深度学习重建在优化头颅扩散加权成像扫描时间、信噪比及结构相似度中的应用
孙其安1
何玲1
李郑1
焦志云1
陆璐2
1.扬州大学附属医院影像科,江苏 扬州 2230002.苏州大学附属第一医院影像科,江苏 苏州 215000
摘要：目的 探讨深度学习重建(SupMR)在优化头颅扩散加权成像(DWI)扫描时间、信噪比(SNR)及结构相似度中的应用价值.方法 于2024年12月～2025年1月在扬州大学附属医院前瞻性连续招募健康志愿者40例,均接受低激励次数(LN-DWI组)和常规DWI(C-DWI组)序列的头颅扫描.对LN-DWI图像采用SupMR进行后处理,生成Sup-DWI图像,并记录成像时间.分别对3组图像进行评估,包括主观评分以及客观评价[感兴趣区信噪比、对比噪声比(CNR)、表观扩散系数(ADC)、峰值信噪比(PSNR)及结构相似性指数(SSIM)].采用组内相关系数(ICC)分析3组图像ADC值的一致性和2名医师主观评分观察者内及观察者间的一致性.结果 与C-DWI组相比,Sup-DWI组扫描时间缩短了52%.一致性分析结果显示2名医师观察者内及观察者间一致性良好(ICC>0.75),两组间脑实质各区域ADC值一致性良好(ICC>0.75).主观评分分析结果显示3组间差异有统计学意义(P<0.05);两两比较显示Sup-DWI组与C-DWI组差异无统计学意义(P>0.05).客观评估分析结果显示3组间SNR、CNR差异均具有统计学意义(P<0.05);两两比较显示SNR及CNR差异均有统计学意义(P<0.05).PSNR、SSIM值Sup-DWI组均大于LN-DWI组,差异有统计学意义(P<0.05).结论 SupMR技术能够显著缩短DWI扫描时间,优化图像质量,有助于提高检查效率.
关键词：深度学习扩散加权成像图像重建图像质量
资助基金：扬州市科技计划项目(YZ2022107)
论文发表日期：2025-11-20
在线出版日期：2025-12-16（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1398-1403 )
英文信息