Radiology：深度学习重建实现临床膝关节MRI扫描的加速！

由于其优越的软组织对比度、无电离辐射和灵活的对比机制，MRI是一种评估关节的常用成像方法。具体来说，MRI常用于检测和评估膝关节的急性和慢性内翻损伤。MRI在描述十字韧带、副韧带、半月板和伸肌的损伤，以及软骨和骨髓的异常方面非常有用。核磁共振的一个主要挑战是，与其他方式相比数据采集很慢。一个病人的扫描时间往往达到20-30分钟或更长。因此，缩短扫描时间是一个主要的研究重点。

2000年代末，压缩传感技术的出现扩展了加速的极限，使其能够从欠采样数据中重建诊断质量的图像。自2016年以来，深度学习（DL）提供了更大的加速前景，通过使用适当配置的神经网络，允许从严重欠采样的数据中稳健地重建高质量的图像。DL为从一组训练数据中学习这个正则器提供了可能性。公共数据集的可用性为无法获得自己的MRI数据的研究小组打开了这个领域。到今天为止，临床上已经提出了各种算法和网络拓扑结构，并利用现有数据对其性能进行了回顾性探索。

然而，问题是基于DL的图像重建是否可以转化为实际临床实践中的日常使用。迄今为止的研究通常只评估感知到的图像质量，而不是真正的诊断信息内容，而且通常只考虑完整的诊断成像方案的一部分。

近日，发表在Radiology杂志的一项研究探讨了前瞻性加速DL重建的膝关节MRI与常规MRI相比，在临床环境中评估膝关节内部病变的诊断价值，为临床的准确、快速评估提供了技术支持。

本项研究使用298次临床3T膝关节检查的图像训练了一个DL重建模型。在一项前瞻性分析中，临床转诊的膝关节MRI患者在2020年1月-2021年2月期间接受了3T的传统加速膝关节MRI方案，然后进行加速的DL方案。在互换性方面，研究评估了DL重建的图像相对于常规图像在检测异常方面的等效性。每项检查都由六名肌肉骨骼放射科医生进行审查。与半月板或韧带撕裂和骨髓或软骨异常的检测有关的分析是基于对异常可能性的四分法评分。此外，研究还用四分法对图像质量的各个方面进行了比较：整体图像质量、有无伪影、清晰度和信噪比。

共有170名参与者（平均年龄±SD，45岁±16；76名男性）接受了评估。DL重建的图像被确定为与传统图像在检测异常方面具有同等的诊断价值。六位读者的总体图像质量评分的平均值，DL明显优于常规图像（P < .001）。

图 一个26岁的男子因股骨髁外侧、股骨髁内侧软骨缺损、股骨髁外侧骨髓异常、外侧半月板撕裂和关节积液而被转诊到临床所进行的膝关节MRI图像重建。本病例中的病理特征（黄色箭头所示）在（A）传统方案和（B）深度学习（DL）方案中同样可以看到。扫描平面和对比度在图像上方表示

研究表明，深度学习（DL）重建使膝关节检查的扫描时间从大约10分钟减少到大约5.5分钟，而且每个容积的推理时间不到10秒。扫描时间的减少将减少病人检查所需的整体时间，从而降低检查成本并提高病人的吞吐量。变量网络重建能够快速获取并改善图像质量，并提供同等的诊断信息。本项研究表明，3T加速膝关节MRI的DL重建在真实的临床环境和真实的病人中可以进行准确且可靠地工作。

原始出处：

Patricia M Johnson,Dana J Lin,Jure Zbontar,et al.Deep Learning Reconstruction Enables Prospectively Accelerated Clinical Knee MRI.DOI:10.1148/radiol.220425