人工智能图像重建技术在儿童脑3D T1加权扰相梯度回波MR图像质量评估中的应用
这项前瞻性研究纳入50例接受临床脑MRI的儿童患者,比较标准压缩SENSE(CS=2.5)与加速CS=5、8条件下AI重建对3D T1W SPGR图像质量的影响。AI重建在高度加速(CS=5和8)序列中改善了多数患者的整体图像质量和灰白质aSNR/aCNR,但在CS=2.5时与标准重建无显著定量差异。
要点
- AI重建在CS=5和CS=8时显著提高灰质、白质aSNR及灰白质aCNR(均p<0.005)。
- CS=2.5时AI与标准CS重建的aSNR和aCNR无显著差异。
- CS=2.5+AI的图像质量在多数评估中仍优于CS=5或8+AI。
核心结论
- AI重建在高度加速(CS=5和8)的儿童脑3D T1W SPGR图像中改善了多数患者的整体图像质量及灰白质定性和定量aSNR、aCNR。
- 作者认为将该序列的AI重建整合入常规临床实践以减少扫描采集时间可能是安全且可行的。
研究设计与样本
- 前瞻性、IRB批准的单中心研究,纳入50例儿童患者(平均年龄11.8±3.1岁,42%(21/50)为男性),于2022年7月至2023年1月在Cincinnati Children’s Hospital Medical Center入组。
- 所有成像在同一台1.5T MRI扫描仪(Ingenia;Philips Healthcare;Best,the Netherlands)上完成,使用体线圈发射和15通道接收头线圈。
- 标准临床方案为矢状3D T1W SPGR(TR=8.49 ms,TE=4.6 ms,1 mm连续交错层厚;CS=2.5);前26例额外采集CS=8,后24例额外采集CS=5。
- 图像由标准CS(中等去噪)重建和厂商提供的原型AI重建(基于Adaptive-CS-Net,现为FDA批准的Philips产品SmartSpeed,选用4分制中的「strong」去噪)完成。
- 由两名受过专科培训的儿童神经放射学主治医师在专用研究PACS工作站上独立阅片,对患者信息和临床数据设盲,但对序列本身未设盲。
关键影像表现/征象
- CS=2.5+AI时整体图像质量、噪声/伪影程度和诊断信心评为excellent的比例分别为81%(81/100)、79%(79/100)和84%(84/100)。
- CS=8+AI时整体图像质量和噪声/伪影程度评为excellent或sufficient的比例为78%(39/50),诊断信心为82%(41/50)。
- CS=5+AI时整体图像质量、噪声/伪影程度和诊断信心均评为excellent或sufficient的比例为91.7%(44/48)。
- 与标准CS重建相比,AI重建在CS=2.5、CS=8和CS=5时分别有35%(35/100)、94%(47/50)和100%(46/26)的评估中改善了整体图像质量。
- CS=2.5+AI在整体图像质量、主观SNR和诊断偏好上优于CS=8+AI的比例分别为88%(44/50)、62%(31/50)和86%(43/50),优于CS=5+AI的比例分别为70.8%(34/48)、45.8%(22/48)和62.5%(30/48)。
诊断标准与关键数值
- 图像质量主观评分采用3分制(poor、sufficient、excellent),评估整体图像质量、主观SNR、噪声/伪影及诊断偏好。
- 定量分析在右侧尾状核头和右侧额叶白质手动放置圆形ROI(CS=2.5组平均ROI面积60±11.9 mm²;CS=8组58.5±11.5 mm²;CS=5组60.9±13.9 mm²),计算表观SNR(aSNR)和灰白质表观CNR(aCNR)。
- CS=2.5时AI vs 标准CS:白质aSNR 32.9±11.7 vs 29.5±9.7(p=0.12),灰质aSNR 23.4±6.4 vs 21.1±4.7(p=0.05),灰白质aCNR 5.1±1.4 vs 4.6±1.2(p=0.07),均无显著差异。
- CS=8时AI vs 标准CS:白质aSNR 27.7±8.9 vs 17.8±6.2(p<0.005),灰质aSNR 20.5±6.2 vs 13±2.7(p<0.005),灰白质aCNR 4.5±1.1 vs 2.9±0.6(p<0.005),AI显著更高。
- CS=5时AI vs 标准CS:白质aSNR 28.7±10.2 vs 20±4.9(p<0.005),灰质aSNR 24.4±6.4 vs 15.5±3.7(p<0.005),灰白质aCNR 5±1.8 vs 3.3±0.7(p<0.005),AI显著更高。
临床应用与阅片要点
- AI重建可改善高度加速(CS=5和8)3D T1W SPGR图像的灰白质aSNR和aCNR,CS=8时平均扫描时间74.1±0.01 s,CS=5时113.3±4.6 s,标准CS=2.5时221±6.9 s。
- CS=2.5+AI与标准CS重建图像质量相同的情况占多数,定量aSNR和aCNR无显著差异,AI未加剧所评估的各类伪影。
- 作者认为将该序列的AI重建整合入常规临床实践以减少扫描采集时间可能是安全且可行的。
局限性
- 阅片者在比较图像时对正在观看的序列未设盲,可能引入偏倚,尽管鉴于研究阅片者对临床方案的了解和经验难以避免。
- 各CS组的患者数量相对较少,在更多患者中评估更广泛的CS值会更有信息量。
- 所实施的特定排除标准导致正常检查占比较高,所评估的患者人群可能不能代表更广泛的临床儿科实践。
- 单扫描仪、单机构性质限制了结果向其他场强、MRI厂商和机构的推广。
全文中译10 节 · 点击展开
引言
与临床实践中所有其他可用成像方式相比,磁共振(MR)成像能提供最全面的脑部结构评估,已成为评估神经功能受损儿童的重要组成部分。然而,MR成像需要相对较长的图像采集时间,且对儿童中常见的运动伪影敏感。这使得旨在缩短扫描时间的技术变得重要,以提高检查成功率、促进临床工作流程、改善患者满意度并避免镇静或全身麻醉[1]。为此,已开发了并行成像和压缩感知(CS)等MRI扫描时间缩短技术,但通常以降低信噪比(SNR)和/或空间分辨率为代价[2]。
人工智能(AI)方法通过对完全采样或欠采样的k空间数据应用基于深度学习的重建方案,可改善MR图像质量,从而在等效或缩短的采集时间内改善或保持图像质量[3]。然而,其在临床实践中的应用,尤其是在儿科神经影像学中的应用,尚待充分探索。这种评估是必要的,因为这些算法主要、甚至通常完全是在成人数据集上训练的[4]。
本研究的目的是评估目前已被美国FDA批准的AI MR图像重建算法对标准临床和加速压缩SENSE(CS)条件下儿童脑3D T1加权扰相梯度回波(SPGR)MR成像的图像质量和诊断信心的影响,以探讨其在儿科人群中的潜在临床用途。
材料与方法
这项经IRB批准的前瞻性研究纳入了50名在辛辛那提儿童医院医疗中心接受常规临床脑MRI检查(未使用静脉对比剂)的儿科患者,入组时间为2022年7月至2023年1月。排除标准包括年龄小于两岁、需要在全身麻醉或镇静下进行成像、有神经外科手术史和/或存在颅内植入物。患者在预定临床检查日期之前由研究协调员通过电话招募。所有参与者均获得了知情同意,并酌情获得了知情赞同。
扫描参数
所有成像均在同一台1.5T MRI扫描仪(Ingenia;Philips Healthcare;荷兰贝斯特)上使用体线圈发射和15通道仅接收头线圈进行。矢状位3D T1加权SPGR(TR = 8.49 ms,TE = 4.6 ms,1 mm连续交错切片;CS = 2.5)作为临床方案的一部分对所有入组患者进行。在前26名入组患者中,额外获取了CS为8的矢状位3D T1加权SPGR图像。在最后24名入组患者中,额外获取了CS为5的矢状位3D T1加权SPGR图像。所有其他成像参数保持不变。所有图像均通过标准CS(中等去噪)图像重建和供应商提供的原型AI重建进行重建。该AI网络基于Adaptive-CS-Net,现为FDA批准的Philips产品,称为SmartSpeed [3, 5]。有关架构的更多细节此前已发表[6]。“强”AI去噪算法从4分制中选择:弱、中等、强和最大。
图像评估
所有3D T1加权SPGR图像均由两名接受过专科培训的主治儿科神经放射科医师(UDN和JLL)在专用研究PACS工作站上独立审阅,审阅过程中对患者信息和临床数据设盲(图1、图2和图3)。影像数据集在不对比序列本身设盲的情况下并排评估,因此放射科医师能够确定每个序列的CS值和重建方法。AI图像采用3分制(差、可接受、优)评估整体图像质量、信噪比(SNR)的主观评估、一般噪声/伪影和诊断偏好(补充表A)。每个序列还采用3分制评分,以表明与标准CS重建相比,AI是提高、降低还是对图像质量无影响。还评估并比较了标准CS与AI重建图像之间的其他影像特征,包括脑脊液伪影、运动伪影、磁敏感伪影、灰白质分化、图像锐利度、流空效应显示和颅外结构评估(补充表A)。还记录了病变、正常变异或有无上述情况的存在。研究判读随后与官方临床报告进行比较,以排除遗漏临床相关病变的可能性。
从DICOM文件头中提取每个序列的扫描时间。定量分析使用Philips IntelliSpace Portal(版本10.1,Philips Healthcare)进行。由神经放射科医师(UDN)在右侧尾状核头和右侧额叶白质中手动放置圆形感兴趣区(ROI),并使用每个ROI内信号的平均值和标准差计算灰质表观信噪比(aSNR)、白质aSNR以及灰白质表观对比噪声比(aCNR)[7]。
统计分析使用Excel(2021,Microsoft)电子表格数学函数进行,包括平均值、标准差、数值计数和t检验结果。P值小于0.05被认为具有统计学显著性。对独立审阅进行了描述性统计分析。由于各评分之间观察值不平衡,我们未使用Kappa系数。
结果
队列 summary
共纳入50例接受临床脑MRI检查的患者(平均年龄 = 11.8 ± 3.1岁,42%(21/50)为男性)。所有研究参与者均成功完成3D T1加权SPGR CS = 2.5(平均扫描时间 = 221 ± 6.9 s)扫描。首批入组的26例患者额外尝试了3D T1加权SPGR CS = 8(平均扫描时间 = 74.1 ± 0.01 s)扫描,其中25例成功完成。最后入组的24例患者额外尝试了3D T1加权SPGR CS = 5(平均扫描时间 = 113.3 ± 4.6 s)扫描,其中24例成功完成,尽管1例患者在分析时因图像传输至研究PACS时出错而无法获得3D T1 SPGR CS = 5的标准CS重建图像。
58%(29/50)的患者检查被判读为正常。发现的异常包括推测的胶质增生灶(n = 6)、Chiari I畸形(n = 2)、轻度脑室扩大(n = 1)、蛛网膜囊肿(n = 1)、长头畸形(n = 1)、囊性脑软化(n = 1)、结节性硬化(n = 1)和右侧丘脑肿块(n = 1)。正常变异包括大枕大池(n = 2)、小脑发育性静脉异常(n = 1)、血管周围间隙扩大(n = 1)以及不符合Chiari I影像学标准的小脑异位(n = 1)。
3D T1加权SPGR CS = 2.5(标准诊疗临床方案)
在采用人工智能(AI)的3D T1加权SPGR CS = 2.5上,整体图像质量、噪声/伪影程度和诊断信心分别有81%(81/100)、79%(79/100)和84%(84/100)被评为优秀(图1和图4a)。与标准CS重建图像相比,AI重建分别在35%(35/100)、40%(40/100)和35%(35/100)的检查中改善了整体图像质量、主观信噪比(SNR)和诊断信心。在比较AI与标准CS重建时,100%的检查中脑脊液伪影、运动伪影、磁敏感伪影、流空效应显示和颅外结构显示程度被认为相同。这些及其他数据总结于表1。信号强度的定量分析(平均ROI面积 = 60 ± 11.9 mm2)显示,与标准CS重建相比,AI的白质aSNR(32.9 ± 11.7 vs. 29.5 ± 9.7,p = 0.12)和灰质aSNR(23.4 ± 6.4 vs. 21.1 ± 4.7,p = 0.05)分别无显著差异。AI的灰白质aCNR(5.1 ± 1.4)与标准CS重建(4.6 ± 1.2,p = 0.07)相比也无显著差异。
3D T1加权SPGR CS = 8
在采用AI重建的3D T1加权SPGR CS = 8上,整体图像质量和噪声/伪影程度有78%(39/50)被评为优秀或合格,诊断信心有82%(41/50)被评为优秀或合格(图2和图4b)。与标准CS重建相比,AI重建分别在94%(47/50)、96%(48/50)和94%(47/50)的检查中改善了整体图像质量、主观SNR和诊断信心。然而,在整体图像质量、主观SNR和诊断偏好方面,分别有88%(44/50)、62%(31/50)和86%(43/50)的检查认为3D T1加权SPGR CS = 2.5结合AI优于3D T1 SPGR CS = 8结合AI。这些及其他数据总结于表2和表3。信号强度的定量分析(平均ROI面积 = 58.5 ± 11.5 mm2)显示,与标准CS重建相比,AI的白质aSNR(27.7 ± 8.9 vs. 17.8 ± 6.2,p < 0.005)和灰质aSNR(20.5 ± 6.2 vs. 13 ± 2.7,p < 0.005)分别显著更高。AI的灰白质aCNR(4.5 ± 1.1)也显著高于标准CS重建(2.9 ± 0.6,p < 0.005)。
3D T1加权SPGR CS = 5
在3D T1加权SPGR CS=5联合AI重建的评估中,整体图像质量、噪声/伪影程度和诊断信心均被评为优秀或充分,占91.7%(44/48)(图3c)。与标准CS重建相比,AI重建在100%(46/26)的评估中改善了整体图像质量、主观SNR和诊断信心。然而,在整体图像质量、主观SNR和诊断偏好方面,分别有70.8%(34/48)、45.8%(22/48)和62.5%(30/48)的检查认为3D T1加权SPGR CS=2.5联合AI重建优于3D T1 SPGR CS=5联合AI。这些数据及其他数据总结于表4和表5中。信号强度的定量分析(平均ROI面积=60.9±13.9 mm2)显示,与标准CS重建相比,AI重建在白质(28.7±10.2 vs. 20±4.9,p<0.005)和灰质(24.4±6.4 vs. 15.5±3.7,p<0.005)中的aSNR均显著更高。AI重建(5±1.8)的灰白质aCNR也显著高于标准CS重建(3.3±0.7,p<0.005)。
(a-c):由2名神经放射学家对CS=2.5(a)、CS=8(b)和CS=5(c)条件下AI重建的脑3D T1 SPGR图像进行图像评估。参数采用3分制(差、充分、优秀)进行评分,评估内容包括整体图像质量(综合考虑所有成像方面)、主观SNR(信号强度与噪声的评估)和诊断偏好(做出正确诊断的能力)。
讨论
在本研究中,我们观察到在大多数接受评估的患者中,AI重建改善了高度加速(CS=5和8)3D T1加权SPGR图像的整体图像质量。灰质和白质aSNR及灰白质aCNR的定量分析也显示,与标准CS重建相比,AI重建在CS=5和CS=8组中均有显著改善。虽然CS=5和CS=8组的AI重建图像在大多数患者中具有优秀或充分的整体图像质量,但在大多数情况下,CS=2.5联合AI的图像质量仍优于加速压缩感知(CS=5和8)联合AI。此外,与标准CS重建相比,AI重建在大多数评估中表现出相同的整体图像质量,并且在临床序列CS=2.5的aSNR和灰白质aCNR定量分析中未显示统计学显著差异。在所检查的伪影类型中,与标准CS重建相比,AI重建在本研究人群中似乎并未加重这些伪影。
使用AI算法处理欠采样k空间数据已被描述为一种潜在方法,可在不损害膝关节质子密度、髋关节和肩关节二维快速自旋回波(FSE)以及腰椎MRI三维T2 turbo-spin echo(TSE)图像质量的情况下缩短扫描时间[5, 7–9]。AI重建算法在头颈部及胰腺扩散加权成像(DWI)和前列腺T2-TSE中改善图像质量也已有描述[10–13]。还有多项研究描述了其在心脏成像中的应用,包括黑血T2加权图像、晚期钆增强图像质量,以及在电影心脏MRI上以双心室容积指数为标志的保留生物计量数据的证据[6, 14–16]。
越来越多的文献研究了基于AI的去噪重建在成人脑MRI中的应用[17, 18]。此外,越来越多的文献描述了其在临床实践中的潜在用途,包括超快速成像、肿瘤患者和阿尔茨海默病患者[19–22]。然而,关于儿童脑部的类似临床文献却很稀少。示例包括近期文献描述了使用AI重建来缩短合成MRI的扫描时间并改善儿童脑部T2加权MRI的成像质量[23, 24]。我们的研究通过探索AI重建用于加速三维T1加权SPGR图像来补充这一文献。值得注意的是,矢状位T1加权成像是常规临床儿童脑MRI方案的推荐组成部分,在实践中通常通过使用三维T1加权SPGR序列获得[25]。通过评估3个不同水平的CS,我们的研究展示了如何应用AI重建技术以实现明显更短的扫描时间[26]。儿童脑MRI是我们科室最常进行的MRI检查,能够在保留图像质量的同时缩短扫描时间的方法,未来将在提高工作流程效率、患者周转量、预约可及性以及最终患者满意度方面具有价值。
我们研究的优势包括其前瞻性性质、相对较大的研究人群、在单台临床磁共振设备上一致的扫描参数,以及由2位经验丰富的儿童神经放射科医生对图像进行系统审查以评估其在临床实践中的潜在用途。然而,我们的研究确实存在一些局限性。放射科医生在比较图像时未对正在查看的序列设盲,可能引入偏倚,尽管鉴于研究放射科医生对临床方案的了解和经验,这难以避免。此外,每个CS组的患者数量相对较少,在更多患者中评估更广泛CS值的能力本会提供更多信息。此外,实施的特定排除标准导致正常检查的比例相对较高。因此,所评估的患者人群可能不能代表更广泛的临床儿童实践。最后,本研究单台扫描仪、单机构的性质也限制了结果对其他场强、MRI供应商和机构的可推广性。
本研究考察了在我院使用人工智能重建算法对相对较大数量患儿的加速3D T1 SPGR图像进行人工智能重建的图像质量。我们已证明,在大多数儿科患者的加速(CS = 5和8)3D T1W SPGR图像中,人工智能重建在定性和定量两方面均改善了整体图像质量和SNR。我们得出结论:将该序列的人工智能重建整合到常规临床实践中以减少扫描采集时间很可能是安全且可行的。
电子补充材料
以下是电子补充材料的链接。
补充材料1
引用
- Nagaraj UD, Dillman JR, Tkach JA, et al. Evaluation of 3D T1-weighted spoiled gradient echo MR image quality using artificial intelligence image reconstruction techniques in the pediatric brain. Neuroradiology. 2024. PMID: 38967815. doi:10.1007/s00234-024-03417-9
- 全文:PMC11424660(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11424660/
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。