文献速递骨肌MR

AI辅助压缩感知加速膝关节MRI的前瞻性多阅片者可行性研究

Feasibility of AI-assisted compressed sensing protocols in knee MR imaging: a prospective multi-reader study.
PubMed 文献 · Eur Radiol · 2023-06-29

前瞻性纳入130名参与者共150次3.0T膝关节MRI,比较8.0分钟并行成像(PI)与3.5分钟、2.0分钟AI辅助压缩感知(ACS)协议。ACS协议图像质量更优(SNR提高、ERD减小或相当),与PI在半月板撕裂、交叉韧带撕裂和软骨缺损诊断效能上相当(Delong检验p>0.05),扫描时间减少一半。

要点

  • ACS协议在3.0T膝关节MRI中可缩短扫描时间至3.5分钟或2.0分钟,诊断效能与常规PI相当。
  • ACS图像SNR显著提高,ERD减小或相当,图像锐度更优。
  • 2.0分钟ACS协议对软骨缺损范围存在低估,可能因层厚增加至4mm。

关键影像表现/征象

  • ACS协议在四个序列中SNR均显著优于PI协议(p<0.001)。
  • 矢状位T1WI、轴位及冠状位PDFS序列中ACS协议ERD值较PI降低(p<0.001或p=0.002),矢状位PDFS序列中三者ERD无显著差异(p=0.2)。
  • 2.0分钟ACS协议检测到的结构异常范围和数量少于8.0分钟PI及3.5分钟ACS协议,骨折检测三者几乎一致。

诊断标准与关键数值

  • 半月板撕裂:高PDFS信号突破半月板表面;韧带撕裂:纤维连续性中断≥50%;软骨缺损:髌骨、股骨滑车和胫骨平台处缺损面积大于1/3。
  • 半月板撕裂(内侧/外侧)敏感度:8.0分钟PI为95.7%/84.6%,3.5分钟ACS为82.6%/84.6%,2.0分钟ACS为82.6%/96.8%;三者特异度均为100%。
  • 前交叉韧带撕裂敏感度:PI为93.3%,3.5分钟ACS为86.7%,2.0分钟ACS为73.3%;特异度:PI为89.7%,3.5分钟ACS为100%,2.0分钟ACS为96.6%。
  • 软骨缺损敏感度/特异度:PI为92.0%/78.9%,3.5分钟ACS为88.0%/84.2%,2.0分钟ACS为88.0%/84.2%。
  • 三种协议间诊断ROC曲线下面积差异无统计学意义(Delong检验,p>0.05)。

临床应用与阅片要点

  • ACS协议可用于常规膝关节MRI加速扫描,3.5分钟协议诊断信心较高,2.0分钟协议适用于配合困难患者(如膝痛、儿童、创伤筛查)。
  • ACS协议在交叉韧带重建术后患者中未引入更多干扰伪影,可用于术后复查。
  • 2.0分钟ACS协议因层厚4mm可能低估软骨缺损范围,报告时需注意。

局限性

  • 所有图像均来自单一供应商的3.0T MRI扫描仪,未在其他机器上验证。
  • 仅小部分参与者(44/130)有关节镜病理结果用于诊断效能分析,可能降低结果说服力。
  • 部分膝关节内病变发病率低,可能限制统计效能。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2023 Jun 29;33(12):8585–96. doi: 10.1007/s00330-023-09823-6

引言

磁共振成像(MRI)对膝关节结构异常具有突出优势,是目前最常见的检查之一[1, 2]。MRI采集的一个主要挑战是与其他模态相比扫描时间延长,限制了患者吞吐量和潜在适应证。较长的扫描时间会增加运动伪影干扰的概率,尤其是在膝关节疼痛患者中,甚至可能导致扫描失败。因此,开发先进的加速扫描方案值得临床研究[3–5]。

基于人工智能(AI)的加速MRI尚处于起步阶段,但近年来已取得显著进展[6]。尽管已提出若干先进技术来缩短图像采集时间,但并行成像(PI)已被证明可在保持诊断性能的同时缩短采集时间,并已商业化用于常规临床[7, 8]。传统加速方法的加速因子增加可能导致信噪比(SNR)降低和图像伪影增加,限制了进一步加速扫描的可行性[9, 10]。近年来基于AI的重建方法通过卷积神经网络从大量全采样MR图像中预学习图像结构信息,并将预训练知识应用于欠采样图像重建,允许高加速水平同时保持高图像质量,并有可能在加速MRI扫描方面取得突破[6, 11–13]。

然而,基于AI的图像重建必须具有真实性,以确保临床实践中的正确诊断。尽管一些既往研究探讨了基于AI的重建的应用,包括单序列研究[14]和加速采集的回顾性欠采样模拟[15],但迄今研究的主要局限性在于缺乏诊断信息内容[16–18]和手术金标准,这限制了对临床应用的支持[19, 20]。因此,基于AI的加速方法进入临床实践仍面临挑战。需要进一步研究以探索基于AI的加速方法在临床实践中的可靠性。

本研究旨在评估AI辅助压缩感知(ACS)加速技术在膝关节成像临床实践中的应用,以确定ACS方案能否在不损害图像诊断价值的情况下实现加速膝关节MRI扫描,并在通过提高患者舒适度和减少运动伪影来改善MRI效率和可及性方面呈现优势。我们还评估了一个2.0分钟加速方案,该方案可能对具有特殊临床需求患者的快速膝关节扫描具有前景。

材料与方法

参与者

本机构2022年3月至9月期间130名参与者使用ACS方案行3.0 T膝关节MRI扫描的共150幅膝关节MRI图像符合本研究条件。排除10次不合格扫描(6次序列不完整和4次使用错误技术参数)。除非存在严重植入物伪影,否则未排除有膝关节镜手术史的参与者。8名既往行前交叉韧带置换的参与者被纳入研究。研究流程见图1。

本研究经我院机构研究伦理委员会批准(编号:M2022394),并遵循《赫尔辛基宣言》的各项原则。扫描参数的详细信息已告知所有参与者,并获得了书面知情同意。

图1 研究流程图。PI,并行成像;ACS,人工智能辅助压缩感知 查看原图 ↗

MRI方案

所有参与者均使用3.0-T MRI扫描仪(uMR 880,联影)配合12通道膝关节接收线圈进行MRI采集。我院常规膝关节MRI方案包括二维矢状面、冠状面和轴面质子密度脂肪饱和(PDFS)快速自旋回波(FSE)序列以及矢状面T1加权FSE序列。在并行成像(PI)方案的常规四个序列之后,依次进行两种ACS四序列扫描方案(ACS 3.5分钟方案和ACS 2.0分钟方案)。所有扫描参数列于表S1。

ACS图像重建

ACS技术是一种经FDA批准的方法,利用卷积神经网络(CNN)加速图像采集。虽然基于CNN的方法已显示出优越的重建质量,但由于网络的黑箱性质,其在临床环境中的性能和可靠性往往不确定。为解决这一不确定性,ACS将训练后的人工智能(AI)模块输出作为附加约束整合到压缩感知框架中。这是通过添加一个基于重建图像与AI模块预测图像之间差异的正则化项来实现的,如公式所示[21]。ACS网络使用先前从体模(2%)和人类志愿者(98%)采集的两百万幅全采样图像数据集进行训练。

同时,迭代过程中采用的架构设计源自k空间,并整合了多尺度稀疏化。压缩感知、部分傅里叶和并行成像均被纳入数学模型。仿真测试已证明,ACS能够纠正AI模型输出中产生的误差,并达到与全采样金标准高度的一致性[21]。关于模型训练的更多细节见补充材料。

图像预处理

每位参与者的图像均经过脱敏处理,并按8.0分钟PI、3.5分钟ACS和2.0分钟ACS方案进行分类,序列名称对读者不可见。三种MRI方案的全部450幅膝关节MRI图像由两名评估者(Q.W.和Q.Z.)使用5点李克特量表(范围:1=“最差”至5=“最佳”)进行审阅。所有图像的李克特评分至少为4分,被认为适合诊断。PI和ACS的总体图像质量均评为优秀(中位数,5;四分位距,4–5)。

定量分析

图像锐度通过测定边缘上升距离(ERD;即最大强度值的10%和90%两点之间的距离)来测量[14, 22–25]。ERD值越低表示锐度越好。图像归一化后,五位放射科医师(Q.W.、P.X.、Y.C.、Z.Z.和Q.Z.,具有4–8年经验)使用ImageJ软件(https://imagej.nih.gov/ij/)在每个序列的骨皮质与骨髓交界处测量ERD。使用粒子分析工具(Plot Profile)生成轮廓曲线。从骨皮质到骨髓的区域在所有序列中均易于获取,且较少受到干扰。

定量信噪比(SNR)评估采用手动方式,在相同层面的同一切片上,使用两个圆形感兴趣区(ROI)分别对股骨骨髓(BM)和髌下脂肪垫(IPFP)进行测量,避开异常信号病灶。图2展示了各序列的ROI示例及测量方法。

图2 定量评估方法示意图。PI,并行成像;ACS,人工智能辅助压缩感知;ERD,边缘上升距离;PDFS,质子密度加权脂肪抑制;SNR,信噪比 查看原图 ↗

阅片者评估

三名放射科医师对所有图像进行异常诊断,其在肌肉骨骼MRI诊断方面的经验分别为8年(Y.W.)、10年(X.X.)和15年(N.L.)。PDFS高信号突破半月板表面提示半月板撕裂。对于韧带,纤维不连续性达50%及以上提示撕裂。在髌骨、股骨滑车和胫骨平台评估骨髓水肿和软骨缺损,缺损面积大于1/3者被认为是软骨缺损。在正式评估之前,使用20例外部队列病例进行培训,以确保三名阅片者的标准一致。每位患者不同方案的判读间隔4周,以限制回忆偏倚的可能性。

所有阅片者独立进行评估,对其他阅片者的评估结果设盲。所有结果由一名评分者(Q.W.)收集,并按照以下标准达成共识:异常的一致性由三名放射科医师对每位患者的多数结论确定;若三名放射科医师之间完全不一致,则对该病例再次讨论直至达成一致。讨论仅用于达成共识,不影响每位放射科医师先前的 results,且不允许更改。对于接受手术的参与者(n = 44),以膝关节镜手术所见作为参考标准。

统计分析

采用Fleiss κ分析比较三种膝关节MRI方案的阅片者间和方法间一致性。κ统计量的解释如下:小于0.20,一致性差;0.21–0.40,一致性一般;0.41–0.60,中等一致性;0.61–0.80,高度一致性;0.81–1.00,极好一致性。以三名阅片者的共识为依据,以关节镜手术报告作为参考标准,得出MRI方案的诊断效能、灵敏度、特异度、准确率和受试者工作特征曲线(ROC)。使用MedCalc统计软件(MedCalc Software Ltd,版本20.022)的Delong方法计算曲线下面积(AUC)。使用SPSS软件(IBM SPSS Statistics for Windows,版本24.0)进行Shapiro-Wilk检验,并通过Friedman检验和事后分析进行研究。统计学显著性阈值设定为p<0.05。

结果

参与者特征

本研究纳入150例膝关节MRI扫描(左:右 = 66:84),代表130名参与者(平均年龄39.8岁;范围8.0–77.0岁)的慢性膝关节症状(97例,65%)、急性膝关节创伤(45例,30%)和术后植入物(8例,5%)。参与者特征见表1。

表1 参与者人口统计学和临床信息 查看原表 ↗

定量评估的比较

在图像锐度评估中,与PI方案相比,3.5分钟和2.0分钟ACS方案在矢状面T1WI(p < 0.001)、横断面(p < 0.001)和冠状面(p = 0.002)PDFS序列中均显示ERD值降低。尽管ACS方案的ERD值降低,但在矢状面PDFS序列中,3.5分钟ACS(1.09 ± 0.74)、2.0分钟ACS(0.83 ± 0.78)和PI(0.85 ± 0.77)方案之间的ERD无显著差异(p=0.2)。尽管两个ROI的SNR值不完全相同且骨髓的SNR较高,但ACS方案在两个ROI(BM和IPFP)的所有四个序列中均优于传统PI方案(p < 0.001)。ERD和SNR定量测量的结合表明,ACS方案扫描可获得更好的图像质量。相应结果见图3,详细结果见补充表S2–S5。

图3 定量评估的比较。图中显示不同方案之间的边缘上升距离(A)和信噪比(B、C)值。从左到右同色箱体分别对应8.0分钟PI方案、3.5分钟ACS方案和2.0分钟ACS方案。PI,并行成像;ACS,人工智能辅助压缩感知 查看原图 ↗

阅片者间一致性和方法间信度

表2展示了使用ACS和PI方案诊断膝关节异常的阅片者间一致性。所有三种方案在异常诊断性能方面均显示出中等到极好的一致性(最小值:0.75,最大值:0.98)。对于半月板撕裂(内侧/外侧)的诊断,8.0分钟PI(κ = 0.901/0.869)、3.5分钟ACS(κ = 0.883/0.869)和2.0分钟ACS(κ = 0.897/0.802)方案判读的阅片者间一致性为极好。对于交叉韧带撕裂的诊断,阅片者间一致性从中等到极好不等,最小κ值为0.75。所有三种方案在检测骨髓水肿和软骨缺损方面均显示出高阅片者间一致性(κ > 0.80)。ACS 2.0分钟方案检测到的结构异常范围和数量少于8.0分钟PI和3.5分钟ACS方案。三种扫描方案在骨折检测方面几乎一致。不同扫描方案的阅片者间一致性结果见表2。

对每位阅片者计算方法间信度,结果显示PI与ACS方案之间的一致性从中等到极好不等(阅片者1:κ = 0.80–1.00;阅片者2:κ = 0.73–0.98;阅片者3:κ = 0.78–0.98)。阅片者共识后方案间一致性提高,所有方案均显示出极好的一致性(κ = 0.84–0.98)。方案间一致性结果见表3。

表2 不同扫描方案的阅片者间一致性 查看原表 ↗
表3 三位阅片者的方案间一致性 查看原表 ↗

诊断性能

在本研究中,130名参与者中有44人在我院接受了手术,并有可用的手术记录。以关节镜下结构异常报告作为金标准,评估三种扫描方案的诊断性能。与关节镜诊断结果相比,MRI评估半月板撕裂(内侧/外侧)的总体敏感性在8.0分钟PI、3.5分钟ACS和2.0分钟ACS中分别为95.7%/84.6%、82.6%/84.6%和82.6%/96.8%,三种方案的特异性均为100%。实际前交叉韧带撕裂均被检出,PI方案的敏感性(93.3%)高于ACS方案(3.5分钟ACS:86.7%,2.0分钟ACS:73.3%),但特异性(89.7%)低于ACS方案(3.5分钟ACS:100%,2.0分钟ACS:96.6%)。对于软骨缺损,三种方案之间的诊断性能(敏感性/特异性)差异无统计学意义(8.0分钟PI:92.0%/78.9%;3.5分钟ACS:88.0%/84.2%,2.0分钟ACS:88.0%/84.2%)。在任何结构异常中,经Delong检验,PI与ACS评估ROC曲线下面积差异均无统计学意义(p > 0.05)。结果表明,ACS方法在检测膝关节异常方面达到了与PI同等的诊断可靠性(表4)。PI和ACS的图像示例见图4、图5和图6。

表4 三种不同扫描方案的诊断性能 查看原表 ↗
图4 一名23岁男性前交叉韧带(ACL)重建术后的MRI图像。从左至右分别为矢状位T1加权图像,快速自旋回波(FSE)成像的质子密度脂肪抑制(PDFS)矢状位、冠状位和轴位图像。T1加权图像显示骨情况;矢状位PDFS显示ACL连续性(箭头);冠状位PDFS显示骨髓水肿(箭头);横断面PDFS显示胫骨骨道及骨髓水肿(箭头) 查看原图 ↗
图5 一名50岁女性急性创伤的MRI图像。从左至右分别为矢状位T1加权图像,快速自旋回波(FSE)成像的质子密度(PD)脂肪抑制矢状位、冠状位和轴位图像。矢状位T1图像显示胫骨平台骨折(箭头);矢状位PD图像显示前交叉韧带损伤(箭头)及骨髓水肿、关节腔积液和滑膜增生;冠状位PD图像显示内侧副韧带撕裂(箭头);横断面轴位显示内侧半月板撕裂(箭头) 查看原图 ↗
图6 一名44岁男性运动员髌股关节病的MRI图像。从左至右分别为矢状位T1加权图像,快速自旋回波(FSE)成像的质子密度脂肪抑制(PDFS)矢状位、冠状位和轴位图像。矢状位T1、矢状位和横断面PDFS图像清晰显示髌股关节及股骨距骨关节软骨和软骨下骨损伤(箭头)。冠状位PDFS图像上半月板完整 查看原图 ↗

讨论

我们的研究表明,人工智能辅助压缩感知(ACS)可用于膝关节MRI重建,在检测膝关节内部紊乱方面表现与常规2倍并行成像(PI)相当,同时将采集时间缩短甚至超过70%。此外,ACS方案显示出良好至优秀的阅片者间和 method 间一致性,并具有改善的信噪比(SNR)和缩短的边缘上升距离(ERD)。

MRI 是当今临床实践中最具活力且最安全的成像技术之一,可提供无与伦比的软组织分辨率。然而,MRI 本质上是一种慢速成像方式,受限于传统的奈奎斯特采样要求,并且容易产生运动伪影。随着临床实践需求的不断增长,加速图像数据采集一直是研究热点,由此产生了多种欠采样重建技术,如部分傅里叶(PF)、并行成像(PI)、同时多层(SMS)成像、压缩感知(CS)以及基于人工智能的重建算法。尽管 PI 已在临床广泛使用并整合到商用 MR 系统中,但使用多个接收线圈的 PI 通常需要将加速因子限制在 2,同时保持空间分辨率 [9]。同样,由于层间串扰伪影以及多层激发导致的组织能量沉积增加,SMS 的加速因子通常限制在 4。

相比之下,诸如 CS 等欠采样重建技术可以将图像加速到超过 4 倍。CS 的基本假设是 k 空间数据为随机欠采样。基于 CS 的重建技术采用伪随机轨迹以及一种或多种稀疏变换,如有限差分或小波算子 [26]。在 2017 年获得美国食品药品监督管理局批准后,基于 CS 的重建正逐渐被引入临床实践。基于卷积神经网络的 ACS 加速技术很可能成为加速成像的下一个切入点 [13]。然而,将此类型方案纳入临床实践将需要对深度学习模型进行持续且广泛的验证,并对其泛化性和局限性有透彻的理解。

肌肉骨骼成像对分辨率、清晰度和图像质量要求极高。然而,伴有疼痛或活动范围受限的患者可能难以保持稳定的成像体位。在我们的研究中,ACS 技术在加速膝关节 MRI 扫描采集方面显示出临床实用性,此前已在腹部肝脏成像中进行过评估 [27]。基于人工智能的滤波和插值图像重建技术基于编码和解码卷积神经网络,通过深度学习去除噪声以获得更好的图像质量,从而在不损失时间或图像信噪比的情况下实现高分辨率成像 [12]。我们的研究包括基于两种不同技术的三种加速扫描方案:PI 8 分钟方案和 ACS 3.5 分钟及 2.0 分钟方案。图像评估通过评估图像质量和诊断效能进行。定量评估和基于任务的(诊断)性能指标的对比显示,ACS 加速 MRI 扫描在诊断大多数膝关节结构性疾病方面等于或接近传统 PI 方案,同时噪声降低,图像锐度和信噪比显著改善。本研究纳入了急性创伤、慢性损伤、交叉韧带重建和关节镜术后手术等多样化的患者群体,增强了其研究结果对临床实践的代表性。

我们的结果表明,ACS技术可有效用于重建二维采集的MR图像,如本研究所示,并且该过程快速或可忽略不计,在临床应用中无阻碍,处理时间极短或可忽略不计。先进技术可以联合使用以在实践中产生协同效应,本研究中ACS 2.0-min方案是一种混合加速超快速扫描方案。类似的混合加速技术可在多家厂商获得,我们的研究表明,此类方法诊断大多数膝关节结构性疾病的能力与常规PI方案相似。然而,对于软骨缺损的检测,尽管保持了较高的阅片者一致性(κ = 0.840),但病变范围被低估,这可能是由于层厚增加(4 mm)所致。尽管如此,在特定检查限制条件下,如患者配合困难(膝关节疼痛、儿科患者、创伤筛查等),快速扫描是必要的。本研究提出的ACS 2.0-min方案可能有助于通过快速获得低成本、无电离辐射的MRI扫描来解决这些问题,并具有替代X线摄影的潜力。

尽管此前已有关于MR图像AI重建的研究,但那些研究仅比较了膝关节单个矢状面序列的序列等效性[14],或缺乏方案的诊断准确性[15, 19, 20]。据我们所知,这是首项在所有四个序列(一个T1加权FSE序列和三个质子密度加权脂肪饱和FSE序列)中比较ACS加速方案与标准临床MRI方案并比较方案诊断准确性的研究。此外,根据膝关节MRI在实际临床实践中的应用指征,本研究纳入的参与者类型较既往研究更为多样。研究纳入了交叉韧带术后的参与者。三种方案的阅片者间一致性均良好,提示ACS加速MRI未引入更多干扰特定金属植入物膝关节观察的伪影,可用于术后检查。此外,无辐射使膝关节MRI特别适用于有关节不适的儿童;因此,本研究纳入了儿科参与者进行检查。

尽管研究结果证明了所提出的ACS方法的可行性,但本研究存在一些局限性。首先,所有图像均来自单一厂商的3.0-T MRI扫描仪,未在其他机器上进行验证。有必要在多个厂商和其他扫描中心开展进一步研究,以全面评估AI辅助加速技术的可扩展性。其次,仅有一小部分参与者接受了关节镜检查并有病理结果用于诊断性能分析,这可能削弱结果的说服力。然而,在临床实践中,并非所有检测出疾病的患者都需要关节镜检查,观察者间和方法间的一致性可能有助于解决这一顾虑。第三,本研究队列中某些膝关节腔内病变的发生率较低,可能限制了统计效能。未来必要的步骤包括将读者对病理结果的评估与金标准(关节镜)进行对照,并在各种扫描仪和厂商之间建立稳健性。因此,需要纳入更大患者群体的内部和多中心研究来验证这些发现。进一步研究还应包括在定量MRI(如T1/T2映射和3D序列)上验证ACS加速技术。

总之,将人工智能辅助压缩感知(ACS)技术与并行成像(常规加速因子为2.0)进行比较表明,使用新型重建算法的ACS加速方法可以缩短扫描时间,并保持高图像质量和等效的诊断性能。

补充信息

以下是电子补充材料的链接。补充文件1(PDF 267 KB)

引用

  1. Wang, Zhao, Xing, et al. Feasibility of AI-assisted compressed sensing protocols in knee MR imaging: a prospective multi-reader study. Eur Radiol. 2023. PMID: 37382615. doi:10.1007/s00330-023-09823-6
  2. 全文:PMC10667384(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10667384/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。