| 左斌，朱灵梅，王海燕，杨香琴，黄艳，李亮.基于生成对抗网络改善前列腺DWI图像质量的初步研究[J].放射学实践,2022,(03):331-337 |
| 基于生成对抗网络改善前列腺DWI图像质量的初步研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2022.03.009 |
| 中文关键词: 前列腺肿瘤 人工智能 扩散加权成像 生成对抗网络 磁共振成像 |
| 基金项目:国家自然科学基金青年基金（81601461） |
|
| 摘要点击次数: 1529 |
| 全文下载次数: 1658 |
| 中文摘要: |
| 【摘要】目的：本研究旨在构建并评估一种能够有效缩短前列腺扩散加权成像（DWI）扫描时间，提升图像质量的深度学习模型。方法：本研究共纳入150名于本院进行多参数磁共振前列腺检查，包括T1WI、T2WI、DWI（b=50s/mm2，NEX=2）、a-DWI（b=1000s/mm2，NEX=2）、b-DWI (b=1000s/mm2，NEX=8）的临床患者。所有患者DWI图像按照2:1被随机分为训练集和验证集。训练集用于构建了一种基于生成对抗网络（GANs）的，能够利用低激励次数DWI生成高激励次数的深度学习模型。验证集数据用于测试模型效能。DWI质量评分比较采用Wilcoxon signed-rank检验。表观扩散系数（ADC）值的可重复性检验采用组内相关系数（ICC）。以P<0.05为差异有统计学意义。结果：模型生成的s-DWI在噪声分布、结构以及纹理特征与b-DWI高度相似。b-DWI和s-DWI的图像质量差异无统计学意义（P＞0.05），二者图像质量优于a-DWI，差异具有统计学意义（P＜0.01）。s-ADC和b-ADC 存在方法间高度一致性（测量者1：ICC=0.96；测量者2：ICC=0.95）。s-ADC和b-ADC的不同受试者间一致性均高于a-ADC（ICC 分别为：a-ADC 0.52～0.66；b-ADC 0.87～0.96；s-ADC 0.88～0.95）。s-ADC和b-ADC的ADC值在相同受试者内一致性亦均高于a-ADC。阅片者1的ICC分别为a-ADC 0.61～0.65、b-ADC 0.86～0.88、s-ADC 0.85～0.96。阅片者2的ICC分别为a-ADC 0.67～0.78、b-ADC 0.87～0.88、s-ADC 0.81～0.92。结论：基于GAN的深度学习算法可以有效地缩短前列腺DWI扫描时间，提升图像质量。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
