מושגי ליבה
深層学習ベースのDWI再構成は、撮像時間を延長することなく画質を向上させる可能性がある。
תקציר
本研究の目的は、標準的に使用されているRESOLVEシーケンスと、プロトタイプのEPIディープラーニング再構成(EPI-DL)のDWI画質を臨床的に比較することでした。20人の患者さんの乳房MRIデータを用いて解析を行いました。
定性的評価では、RESOLVEの方がb800値およびADCマップの全体的な画質、病変の視認性と明瞭性が優れていました。EPI-DLにはより多くのアーチファクトが見られました。
定量的評価では、手動で描出した関心領域におけるb800値のSNRおよびADCマップのSNRが、RESOLVEの方が有意に高い結果でした。一方、CNRに有意差はありませんでした。良性と悪性の乳房病変の鑑別能にも両者に差はありませんでした。
以上より、DWI-DL再構成は撮像時間を延長することなく低空間分解能を改善できる可能性がありますが、現時点ではRESOLVEに劣る画質でした。今後、DL再構成とreadout分割、SMS撮像などの手法を組み合わせることで、DWIの臨床的価値をさらに高められると考えられます。
סטטיסטיקה
RESOLVEのb800値SNRは6.2[IQR=2.2]、ADCマップのSNRは5.3[IQR=4.8]であり、EPI-DLのそれぞれ4.6[IQR=2.8]、3.2[IQR=5.4]と有意に低かった。
良性病変のADC値はRESOLVE 1.5±0.3 x 10-3 mm2/s、EPI-DL 1.4±0.4 x 10-3 mm2/sであり、悪性病変ではRESOLVE 1.3±0.4 x 10-3 mm2/s、EPI-DL 1.2±0.4 x 10-3 mm2/sと両者に有意差はなかった。