基于深度学习图像重建的加速二维多对比度膝关节MRI方案的可行性:与标准MRI方案的前瞻性个体内比较
前瞻性单中心研究纳入60例受试者,在1.5 T和3 T上比较深度学习加速二维快速自旋回波序列(TSEDL)与标准序列(TSES)的膝关节MRI图像质量和诊断性能;TSEDL图像质量优良、噪声更低、采集时间从11:56 min缩短至6:11 min,对膝关节内部紊乱的诊断性能与TSES相当。
要点
- TSEDL在1.5 T和3 T膝关节MRI上图像质量优良(中位5分),噪声显著低于TSES(p<0.001)。
- TSEDL对半月板、韧带撕裂及软骨缺损的检出与TSES无临床相关差异,读者间一致性κ=0.92-1.00。
- TSEDL将三平面膝关节MRI采集时间从11:56 min缩短至6:11 min,约减半。
核心结论
- TSEDL膝关节MRI临床可行,图像质量优良,诊断性能与TSES相当,采集时间约减少50%。
- 作者认为TSEDL依赖其准确重建半月板和韧带撕裂的能力,对膝关节内部紊乱提供与标准TSE相当的诊断性能。
研究设计与样本
- 前瞻性、单中心、机构审查委员会批准的研究,连续纳入2020年10月至2021年3月期间接受临床膝关节MRI的成人患者。
- 最终样本60例(84%,平均年龄44±17岁,范围18-85岁;男29例、女31例),30例在1.5 T、30例在3 T检查。
- 采用临床1.5 T和3 T扫描仪(MAGNETOM Skyra、Prismafit、Vida、Aera、Avanto;Siemens Healthineers),膝表面线圈,仰卧位。
- 所有受试者均接受临床标准膝关节MRI方案,包括三平面(冠状、矢状、轴位)脂肪抑制2D-PD TSES和2D-PD TSEDL,以及冠状位2D-T1加权TSES和2D-T1加权TSEDL。
- 由3名肌肉骨骼MRI经验3至9年的放射科医师独立盲法评估,对读者信息、重建类型、临床和放射报告及彼此评估均设盲。
关键影像表现/征象
- PD序列总体图像质量TSEDL中位5分(IQR 5-5),显著高于TSES中位5分(IQR 5-5,p=0.003);锐度、噪声和主观SNR TSEDL(中位5,IQR 5-5)均显著优于TSES(中位5,IQR 4-5,p<0.001)。
- PD序列伪影程度TSEDL与TSES相似(中位5,IQR 5-5,p>0.05),但TSEDL条带伪影显著多于TSES(中位5,IQR 4-5 vs 中位5,IQR 5-5,p=0.003)。
- T1加权序列总体图像质量TSEDL(中位5,IQR 5-5)显著高于TSES(中位5,IQR 5-5,p=0.046);噪声TSEDL(中位5,IQR 5-5)显著优于TSES(中位5,IQR 5-5,p=0.002);伪影、条带伪影、锐度、诊断信心和主观SNR无显著差异(中位5,IQR 5-5,p>0.05)。
- TSEDL诊断信心与TSES相当(中位5,IQR 5-5,p>0.05);所有读者在两种序列上共检出4处骨折。
- 1.5 T采集且经GRAPPA重建的图像噪声最高;TSEDL在1.5 T图像上可见特征性条带伪影(白色箭头),呈条状,TSES未见。
诊断标准与关键数值
- 图像质量采用5点Likert量表(1=不可诊断;2=图像质量低;3=图像质量中等;4=图像质量好;5=图像质量优),评分≥3视为足够。
- 结构异常分级:0=正常,1=改变(退变、术后),2=撕裂;软骨缺损采用国际软骨修复学会(ICRS)分类系统的修改版,存在多个软骨缺损时仅评估主要软骨病变。
- 读者间一致性采用Fleiss κ,读者内一致性采用加权Cohen κ,均含95%CI;解释标准:≤0.20差,0.21-0.40一般,0.41-0.60中等,0.61-0.80高度,>0.80几乎完全一致。
- 对膝关节内部紊乱(半月板和韧带退变或撕裂)的检出,读者间和读者内一致性几乎完全一致,κ=0.92-1.00。
- 对软骨缺损的评估,读者间和读者内一致性高度至几乎完全一致,κ=0.58-0.98。
临床应用与阅片要点
- TSEDL在1.5 T和3 T均可用于临床膝关节MRI,图像质量优良且对内部紊乱诊断性能与TSES相当,可缩短采集时间。
- 阅片时需注意TSEDL在1.5 T图像上的特征性条带伪影,尤其见于脂肪抑制PD序列,呈与相位编码方向一致的条状,但原文指出其不影响诊断信心。
- 软骨缺损评估的读者间一致性相对较低(κ=0.58-0.98),原文归因于主观判读。
局限性
- 所有读者虽对所示序列设盲,但图像外观特征差异使读者能识别重建技术,个人偏好可能影响研究结果。
- 本研究仅使用一个网络重建欠采样图像数据,且该网络在多个解剖区域上训练;该网络的进一步改进已完成,应在进一步研究中评估,尤其是1.5 T图像上条带伪影的程度。
- 所有检查均在单一厂商的MRI扫描仪上完成;需要在多厂商扫描仪上进行进一步研究,评估该网络在其他解剖区域的表现,以全面评估该技术的泛化性。
全文中译11 节 · 点击展开
引言
膝关节磁共振成像(MRI)是最常进行的MRI检查之一,采集时间约需15分钟。膝关节MRI的参考标准是质子密度(PD)加权和T1加权涡轮自旋回波(TSE)序列,因其具有优异的组织对比度和高平面内空间分辨率,能够良好评估半月板、韧带和软骨损伤[1–3]。
由于各向异性体素尺寸,二维(2D)TSE序列需要分别采集不同图像平面,耗时较长[4, 5]。加速膝关节MRI的一种方法是三维(3D)TSE技术,生成更高空间分辨率的各向同性数据集,从而可从单一父数据集创建几乎任意图像平面[4, 6]。尽管技术发展可提供加速成像,主要基于并行成像(PI)加速,但采用3D-TSE获取高质量各向同性数据集的采集时间仍需约5至10分钟[4, 7]。此外,随着PI加速程度的增加,信噪比(SNR)迅速下降,同时残余伪影通常增加,限制了可达到的速度[8]。
另一种常用于加速MRI的创新技术是压缩感知(CS),该技术仅需减少的数据点集合。与仅使用PI相比,CS能更好地保留SNR,但CS倾向于过度简化图像内容,导致残余模糊和真实图像纹理的丢失。
克服这一缺陷的最新有前景的方法是深度学习(DL)算法。这些算法具有可训练组件,与基于稀疏性的先验假设不同,并有望实现更高的加速因子,同时提高SNR并保持高图像质量[9, 10]。关于膝关节MRI,最近发表的一项使用回顾性欠采样数据的研究表明,DL图像在检测膝关节内部紊乱方面与标准临床图像可互换使用[8]。此外,回顾性欠采样的DL加速图像被评定为比标准成像具有更高的图像质量,并允许对标准图像进行加速[8]。最近还有其他DL重建的技术发展,但迄今为止,尚未有在1.5 T和3 T下进行的前瞻性临床研究。
我们的假设是TSEDL能够产生与临床使用的分段序列相当的相似图像质量,同时显著减少采集时间。因此,我们在1.5 T和3 T下实施TSEDL,进行前瞻性研究,以评估其与常规临床实践中标准成像序列相比的诊断性能。
材料与方法
研究设计
本前瞻性、单中心研究获得了机构审查委员会批准及所有参与者的书面知情同意。所有研究程序均按照1964年《赫尔辛基宣言》及其后续修正案中规定的伦理标准进行。
我们的样本量估计的效能计算显示,使用两名评估者之间一致性检验(kappa统计量)的样本量为60名受试者,在两类频率分别为0.35和0.65的检验中,以0.05的显著性水平,具有80%的效能检测出真实kappa值为0.80 [11]。研究招募从2020年10月至2021年3月连续进行。前瞻性纳入接受临床指征膝关节MRI的成年患者。排除标准为MRI的一般禁忌证或不完整的检查方案。最终纳入60名参与者的样本(见图1和表1)。
MRI系统及采集参数
所有检查均在临床1.5-T和3-T扫描仪(MAGNETOM Skyra、MAGNETOM Prismafit、MAGNETOM Vida、MAGNETOM Aera和MAGNETOM Avanto;均为Siemens Healthineers)上进行,参与者取仰卧位,使用临床膝关节表面线圈。所有参与者均接受我们的临床标准膝关节MRI方案,包括三个平面(冠状面、矢状面和轴面)的脂肪抑制二维质子密度快速自旋回波序列(2D-PD TSES)和三个平面(冠状面、矢状面和轴面)的脂肪抑制二维质子密度快速自旋回波深度学习序列(2D-PD TSEDL),以及冠状面方向的二维T1加权TSES和二维T1加权TSEDL。成像参数见表2。
带深度学习重建的快速自旋回波序列
在采集方面,使用了并行成像(PI)中已知的常规欠采样模式 [10, 12],该模式在使用基于深度学习的方法重建时,与压缩感知(CS)所偏好的非相干采样模式具有相同的性能。原型图像重建包括固定的迭代重建方案或变分网络 [9, 10, 13]。对于图像重建,k空间数据、偏场校正和线圈灵敏度图被输入变分网络。用于加速MRI重建的固定展开算法由多个级联组成,每个级联由使用可训练Nesterov动量的数据一致性步骤和随后的基于卷积神经网络(CNN)的正则化组成 [13]。
重建在先前使用常规TSE方案的志愿者采集数据上进行训练。使用各种临床1.5-T和3-T扫描仪(MAGNETOM扫描仪,Siemens Healthineers)在志愿者上采集了约10,000个层面。
所用重建的详细描述见先前研究 [13]。除此基于物理的k空间到图像重建方法外,本研究未采用其他基于深度学习的图像增强技术,如超分辨率方法 [14, 15]。
图像评估
相应的TSE数据集已分别针对TSES和TSEDL进行分离,每个数据集均由具有3至9年肌肉骨骼MRI判读经验的放射科医师独立评估。阅片者对全部受试者信息、重建类型、临床与放射学报告以及彼此的评估结果均设盲。在实际图像分析之前,每位阅片者均接受了培训课程以熟悉Likert量表分类。图像分析在PACS工作站(GE Healthcare Centricity™ PACS RA1000)上进行。PD加权和T1加权图像分别就整体图像质量、伪影、条带伪影、锐利度、噪声、诊断信心和主观信噪比(SNR)采用5点Likert量表进行评估(1=无法诊断;2=图像质量低;3=图像质量中等;4=图像质量好;5=图像质量极好)。阅片评分达到≥3分视为足够。条带伪影是笛卡尔DL重建产生的特征性伪影,在重建图像的低SNR区域尤为明显,表现为与相位编码方向完全一致的条纹图案[16]。此外,TSES和TSEDL就图像印象采用1至5分的Likert量表进行评估(1=不真实;5=真实)。
病变和内部紊乱的评估由相同的三名放射科医师进行,包括评估内侧和外侧半月板;内侧和外侧副韧带;前交叉韧带和后交叉韧带;以及内侧和外侧股骨滑车、内侧胫骨平台、滑车沟和髌后软骨的软骨缺损。结构异常分级为0=正常,1=改变(退变性、术后),2=撕裂。软骨缺损采用国际软骨修复学会(ICRS)分类系统的改良版本进行分类。如果存在一个以上软骨缺损,仅考虑主要软骨病变。骨髓水肿区域(股骨、髌骨、胫骨)以及骨折和关节积液评估为存在或不存在。如果阅片者之间存在分歧,则进行共识判读以确定假阳性和假阴性发现。所有评估的解剖结构和病变项目见表3。
统计分析
统计分析使用SPSS 26版(IBM Corp)进行。参与者的人口学特征和临床特征采用描述性统计进行总结。定性图像分析评估以均值和median值及四分位距(IQR)表示。采用精确配对样本Wilcoxon符号秩检验比较各序列在每位阅片者图像质量评分方面的差异。计算事后多项回归分析(序数变量的广义线性模型)以评估场强、阅片者和患者人口学特征的影响。以p < 0.05为差异有统计学意义。
三名读者的读者间一致性采用Fleiss‘ κ评估,读者内一致性采用加权Cohen’s κ评估,两者均给出95%置信区间,并按以下标准解释:0.20或以下,一致性差;0.21–0.40,一致性一般;0.41–0.60,一致性中等;0.61–0.80,一致性好;大于0.80,一致性几乎完美。
结果
在72名符合条件的参与者中,最终样本为60名参与者(84%,平均年龄44 ± 17;范围18–85(岁);29名男性,31名女性),被前瞻性纳入本研究。无论诊断、当前治疗、首次检查或随访情况如何,30次检查在1.5 T上进行,30次检查在3 T上进行(表1和图1)。
图像质量
读者间一致性为一致性好至几乎完美,数值在0.61至0.85之间(见表4)。由于读者间信度良好,以下仅给出读者1的结果。所有定性图像分析和Fleiss‘ κ的汇总见表4。
关于PD序列,总体图像质量以TSEDL评分最高(中位数5,IQR 5–5),显著高于TSES(中位数5,IQR 5–5,p = 0.003)。TSEDL的锐利度、噪声和主观SNR评分也显著高于TSES(中位数5,IQR 4–5,p < 0.001)。TSEDL与TSES的伪影程度评分相似(中位数5,IQR 5–5,p > 0.05),尽管TSEDL被评分为显示显著更多的条带伪影(中位数5,IQR 4–5) compared to TSES(中位数5,IQR 5–5,p = 0.003)。尽管如此,两个序列的诊断置信度未发现差异(中位数5,IQR 5–5,p > 0.05)。
关于T1加权序列,TSEDL的总体图像质量评分显著高于TSES(中位数5,IQR 5–5,p = 0.046)。TSEDL的噪声评估显著优于TSES(中位数5,IQR 5–5,p = 0.002)。TSEDL与TSES在伪影、条带伪影、锐利度、诊断置信度和主观SNR方面无显著差异(中位数5,IQR 5–5,p > 0.05)。
为进一步说明,导出两名患者(一名在1.5 T检查,一名在3 T检查)的原始数据,并使用伪重复方法离线确定示例性SNR图。此外,使用DL技术和常规广义自动校准部分并行采集(GRAPPA)重建对TSEDL采集的原始数据进行重建,以说明重建技术之间的差异。请注意,在1.5 T采集并使用GRAPPA重建的图像中噪声最高;见图7、8和9。
采用经广义线性模型对有序变量进行的事后多项回归分析,以研究“场强”(1.5 T/3 T)、患者人口学特征(性别和年龄)以及“读者”(读者1–3)是否能预测每种重建类型(TSES/TSEDL)的噪声和条带伪影评分。
对于TSES中的噪声,发现“场强”因素对模型有贡献(p < 0.001),而“读者”因素对模型无显著贡献(p > 0.05)。Likert量表上噪声每降低1分,图像在1.5-T扫描仪上扫描的可能性几乎增加19倍(比值比18.5,95% CI [8.8–39])。
对于TSEDL中的噪声,“场强”因素对该模型不是显著贡献因素(> 0.05)。
对于TSEDL中的条带伪影,发现“场强”因素对模型有贡献(p < 0.001),而“阅片者”因素对模型不是显著贡献因素(p > 0.05)。噪声在Likert量表上每改善1分,图像在3-T扫描仪上扫描的可能性几乎增加11倍(比值比10.9,95% CI [5.4–22.1])。对于TSES中的条带伪影,“场强”因素对模型不是显著贡献因素(> 0.05)。
对于TSEDL和TSES中的图像质量,患者人口学因素“性别”和“年龄”对模型不是显著贡献因素(> 0.05)。
解剖结构的可见性和内部紊乱
关于半月板和韧带退变或撕裂的检测,阅片者间和阅片者内一致性几乎完美,κ值在0.92至1.00之间。TSES与TSEDL之间在结构异常检测方面无临床相关差异。关于软骨缺损的检测和评估,阅片者间和阅片者内一致性为中等至几乎完美,κ值在0.58至0.98之间。在股骨、胫骨和髌骨骨髓水肿的检测以及骨折的检测方面,未发现阅片者之间及TSES和TSEDL两个序列之间存在差异。两种序列中所有阅片者共检出4处骨折。关于关节积液的存在,阅片者间和阅片者内一致性几乎完美,κ值在0.89至0.97之间。
所检出病变的阅片者内和阅片者间一致性总结于表5。所有检出病变的概览见补充材料(表6)。TSES和TSEDL的图像示例见图2、3、4、5和6。
讨论
在本研究中,我们探讨了基于深度学习的二维TSE序列重建(TSEDL)与标准二维TSE序列相比,在1.5 T和3 T下关于整体图像质量项目及膝关节内部紊乱诊断的可行性和性能。TSEDL能够在临床常规实践中实现稳健可靠的图像采集,在较短采集时间内提供甚至高于TSES的整体图像质量,并具有与TSES同等的诊断性能。
目前膝关节MRI检查的临床标准是多平面二维快速自旋回波(2D-TSE)序列,由于其包含多个平面和对比度,因此耗时较长,采集时间约为15分钟。已有多种方法用于加速膝关节成像,尤其是具有前景的三维序列,如三维快速自旋回波(3D-TSE)或三维可变翻转角快速自旋回波(3D-SPACE)[4, 7, 17],能够从单一次采集容积中重建任意成像平面和层厚。尽管如此,采集时间与图像质量之间的反比关系导致小体素尺寸(0.5 mm)3时采集时间相对较长,约为10分钟[4, 7]。需要小体素尺寸以确保精细解剖细节的可见性以及重建图像的面间均匀性。尽管多项研究表明三维序列具有等同甚至更优的效果[7, 17–19],但该技术尚未在临床实践中广泛采用,且大多数研究方案仅包含质子密度(PD)加权图像[7]。
对于目前标准的膝关节2D-TSE成像,已使用其他加速技术,如并行成像(PI)、压缩感知(CS)和同时多层采集[20–24]。当加速因子高达两倍时可获得诊断等效性。然而,PI和同时多层采集可能存在信噪比(SNR)降低、噪声增强、混叠和重建伪影等问题,尤其是在使用较高加速因子时[25, 26]。基于人工智能(AI)的重建技术(如深度学习)在加速MRI的同时保持甚至改善图像质量的巨大潜力已在多项研究中得到展示[8, 27–31]。根据这些研究,在我们的研究中,TSEDL实现了整体图像质量的改善并显著降低了噪声程度,尤其是在1.5 T采集的图像中。使用TSEDL可将膝关节MRI的采集时间缩短至6分11秒,而使用TSES的标准方案为11分56秒。尽管TSES与TSEDL之间一般伪影的程度无差异,但1.5 T采集的图像中存在条带伪影,这在多种不同的深度学习重建技术中均有观察到[16]。这些伪影与整合参考扫描的笛卡尔采样方案相关,在重建图像的低信噪比区域尤为明显。因此,1.5 T采集的图像和脂肪抑制图像对比度更容易出现条带伪影(图7、8和9)。巧合的是,我们的PD方案采用了频谱脂肪抑制,因此受条带伪影影响更大。近期方法已显示出减少此类条带伪影的良好前景[16]。然而,尽管TSEDL中存在条带伪影且需要在所用网络的进一步开发中加以减少,但它们不影响TSEDL的诊断信心。
关于内部紊乱的检测,TSES和TSEDL序列之间无实质性差异。尽管软骨缺损存在与否的读者内和读者间一致性显示较低的κ值,但这不会导致参与者治疗的任何改变,且可归因于主观判读,这在文献中已有描述[32]。
关于MRI的采集时间,除了数据采集的加速之外,与先前使用的加速技术如CS相比还有另一个优势:迄今为止,加速技术受到后处理时间长和需要高计算资源的困扰[33, 34]。深度学习方法脱颖而出,因为大部分计算工作已在网络训练期间提前完成;因此,基于深度学习的序列的重建时间非常短。
我们的研究结果应在本研究局限性的背景下进行解读。首先,虽然所有读者对所显示的序列均处于盲态,但图像外观上的特征性差异使读者能够识别重建技术。因此,个人偏好可能影响了研究结果。其次,在本研究中,仅使用一个网络来重建欠采样的图像数据,且该网络是在多个解剖区域上训练的。对所使用第一个网络的进一步改进已经完成,应在进一步研究中加以评估,特别是关于1.5-T扫描仪图像中条带伪影的程度。第三,所有检查均在单一厂商生产的MRI扫描仪上进行。需要在多厂商扫描仪上进行进一步研究,评估该网络在其他解剖区域方面的性能,以全面评估该技术的普适性。
总之,我们的研究表明TSEDL在临床上是可行的,能在更短的采集时间内提供更好的图像质量。基于其准确重建半月板和韧带撕裂的能力,TSEDL对膝关节内部紊乱的诊断性能与标准TSE相当。
补充信息
ESM 1(DOCX 22 kb)
引用
- Herrmann J, Keller G, Gassenmaier S, et al. Feasibility of an accelerated 2D-multi-contrast knee MRI protocol using deep-learning image reconstruction: a prospective intraindividual comparison with a standard MRI protocol. Eur Radiol. 2022. PMID: 35389046. doi:10.1007/s00330-022-08753-z
- 全文:PMC9381615(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9381615/
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。