深度学习加速T2加权TSE序列在女性盆腔MRI中缩短采集时间并提高图像质量
该前瞻性研究纳入24名健康志愿者和48例良性子宫疾病患者,比较深度学习加速T2加权TSE序列(T2DL)与标准T2加权TSE序列(T2S)在女性盆腔MRI中的表现。结果显示T2DL将采集时间减少62.7%,且信噪比、对比噪声比、图像质量、子宫分层边界清晰度和病灶显示均显著优于T2S,无几何变形。
要点
- T2DL较T2S采集时间缩短62.7%,三个平面总采集时间从15:18 min降至5:42 min。
- T2DL图像信噪比和对比噪声比显著更高,且无几何变形,子宫及病灶径线测量与T2S无显著差异。
- T2DL在图像质量、子宫分层边界清晰度、病灶显示和伪影减少方面均显著优于T2S。
关键影像表现/征象
- T2DL图像上子宫肌层、结合带和子宫肌瘤的信噪比均显著高于T2S(108.63 vs. 76.36,p < 0.001;57.64 vs. 40.77,p < 0.001;44.98 vs. 32.86,p = 0.001)。
- T2DL图像上肌层与结合带、肌层与臀肌、结合带与臀肌、肌层与子宫肌瘤的对比噪声比均显著高于T2S(60.14 vs. 42.32,p < 0.001;76.43 vs. 54.73,p < 0.001;25.63 vs. 19.47,p = 0.005;39.13 vs. 28.29,p = 0.007)。
- T2DL图像上子宫三层结构边界清晰度评分显著高于T2S(矢状位、轴位、冠状位中位数[IQR]分别为5(5-5) vs. 4(4-5)、5(4-5) vs. 4(4-4)、5(4-5) vs. 4(4-4),均p < 0.001)。
- T2DL图像上病灶显示清晰度评分显著高于T2S(矢状位和轴位中位数[IQR]均为5(4-5) vs. 4(4-4),冠状位为5(4-5) vs. 4(4-5),p分别为0.002、<0.001、0.021)。
- T2DL图像上伪影评分显著优于T2S(矢状位、轴位、冠状位中位数[IQR]分别为5(4-5) vs. 4(4-5)、5(5-5) vs. 4(4-5)、5(4-5) vs. 4(4-5),均p < 0.001),T2S所有患者均检出鬼影伪影。
诊断标准与关键数值
- 图像质量、伪影、子宫分层边界清晰度和病灶显示清晰度采用5分Likert量表评估,1分为最差、5分为最佳。
- 信噪比计算采用图像背景信号强度标准差作为噪声值,感兴趣区置于子宫肌层、结合带、臀肌和子宫肌瘤内。
- 几何变形通过测量子宫和病灶三个方向径线评估,T2DL与T2S之间差异无统计学意义(p = 0.925–0.981),Bland-Altman分析平均差异百分比为−0.67%至0.15%。
- 观察者间一致性采用Kendall W检验,T2DL为0.801–0.903,T2S为0.771–0.914,均p < 0.001,一致性优秀。
临床应用与阅片要点
- T2DL可显著缩短女性盆腔MRI T2加权序列采集时间,减少运动伪影,提高子宫分层边界和病灶(如子宫肌瘤、子宫腺肌病)的显示清晰度。
- T2DL图像无几何变形,子宫和病灶径线测量与标准T2S一致,可用于日常径线评估。
- 阅片时注意T2DL图像信噪比和对比噪声比更高,图像可能显得更平滑,但病灶边缘和内部结构显示更清晰。
局限性
- 研究样本量小且为单中心,需多中心大样本研究验证稳健性和诊断能力。
- 深度学习重建可能改变噪声分布,本研究中信噪比和对比噪声比测量方法的有效性尚不明确。
- 纳入患者包含不同良性病变类型,可能影响主观和客观分析,建议未来针对同一病变类型研究。
- 结论仅基于健康志愿者和良性子宫疾病患者,普遍性有限。
全文中译10 节 · 点击展开
引言
由于其优异的软组织对比度,MRI被广泛用于评估女性盆腔的恶性和良性病变[1–3]。T2加权成像(T2WI)是妇科MRI中使用的标准序列,对于子宫疾病患者,推荐采用至少包含两个正交T2WI平面的基本女性盆腔MRI方案[1, 4, 5]。然而,传统盆腔MR方案的一个缺点是采集时间长,T2w序列大约需要10至15分钟,这可能增加患者的等待时间并降低医学中心的检查吞吐量[6–8]。此外,单次采集时间过长使检查对运动敏感,常导致运动伪影或图像模糊,尤其是在老年患者或无法长时间保持静止的幽闭恐惧症患者中[9]。
已采用多种策略来优化有限时间内的图像采集,同时保持足够的诊断价值。减少运动伪影的努力包括患者准备(例如,使用静脉抗蠕动剂、禁食或排空膀胱)和扫描技术(例如,脂肪抑制、饱和带或信号平均)。然而,这些方法不能完全消除伪影,并可能增加MR检查的成本和持续时间[5, 10, 11]。可能大幅缩短扫描时间同时产生抗运动图像的创新技术包括部分傅里叶采集、并行采集技术和压缩感知(CS)。部分傅里叶成像和并行采集技术是以规则方式省略相位编码步骤的省时技术,但会导致SNR损失[11, 12]。CS需要非相干欠采样模式;然而,由于图像内容过度简化,图像表现为残余模糊和不自然的外观[13, 14]。尽管这些序列常规可用,但由于在节省时间与SNR、锐度或自然外观损失之间的权衡,其临床使用受到限制[13, 15]。
随着人工智能的最新进展,一种涉及展开变分网络的深度学习(DL)重建方法能够在保持图像质量和真实纹理的同时缩短采集时间[16]。DL算法中展开变分网络区别于图像去噪的特定特征在于,该网络通过并行成像模型持续考虑与所采集k空间数据的数据一致性。这使得能够显著降低噪声并提供具有更高SNR的图像[17]。因此,可以通过采用更高的加速因子或更少的平均次数,将潜在的改善投入到缩短采集时间上。既往研究发现,DL算法能够在腹部、膝关节和前列腺的MRI协议中产生令人满意的图像质量并显著节省时间(DL与常规序列相比:分别为0:16 vs. 4:00 min、4:20 vs. 8:11 min和1:38–3:50 vs. 4:37–10:21 min)[17–20]。然而,DL加速重建技术应用于女性盆腔MRI的价值尚未被研究。我们假设这种DL重建方法能够加速妇科MRI协议的同时产生高质量图像。为验证这一假设,我们通过评估检查时间、图像质量和良性子宫疾病的病灶显著性,比较了DL加速TSE序列(T2DL)与标准TSE序列(T2S)用于妇科T2WI的可行性。
方法
研究设计
本前瞻性研究经我院机构审查委员会批准,并符合伦理委员会标准。样本量估算通过考虑DL加速涡轮自旋回波(TSE)序列(T2DL)与标准T2加权TSE序列(T2S)之间定量参数均值的差异(使用配对t检验/Wilcoxon符号秩检验)或定性评估评分的差异(使用Wilcoxon符号秩检验)来进行。样本量估算使用G*Power 3(版本3.1.9.7)进行,统计检验设置为“匹配对——两个相关均值之间的差异/Wilcoxon符号秩检验”。误差设为0.05,把握度水平设为80–95%。因此,当考虑T2DL与T2S之间定量参数均值的差异时,估计总样本量为22–38;而当考虑T2DL与T2S之间定性评估评分的差异时,获得样本量为23–39。后者被选为研究的目标样本量,因为它更大。随后,研究参与者分两个阶段入组:入组志愿者进行可行性评估,入组患者进行临床应用(图1)。考虑到T2DL此前未用于女性盆腔MRI,我们首先在2021年5月至2021年7月期间招募了24名无MRI禁忌症的健康女性志愿者,以初步探索T2DL的可行性。随后,在2021年8月至2021年12月期间,共连续入组了48名因良性子宫疾病指征接受盆腔MRI的女性患者(表1)。处于月经期的参与者被排除,因为该期子宫带状层边界锐度降低[21]。获得了参与者的书面知情同意。
MRI技术
参与者在MRI检查前30分钟经直肠接受10 mL甘油灌肠,以减少直肠和乙状结肠内的气体。要求膀胱中度充盈[5]。MRI检查使用3 T MR系统(MAGNETOM Vida,Siemens Healthcare,Erlangen,德国)配合18通道体部相控阵接收线圈进行。女性盆腔平扫MR方案使用以下序列:轴位、矢状位和冠状位的标准T2加权TSE序列(T2S);轴位、矢状位和冠状位使用原型深度学习加速TSE序列(T2DL)(Siemens Healthcare,Erlangen,德国)采集的T2WI;轴位T1加权成像(T1WI);以及轴位双b值DWI(50和800 s/mm²)。T2DL在T2S之后采集,以确保临床MRI的标准诊疗实践。两种T2W方案的详细参数列于表2。
图像定量评估
所有轴位、矢状位和冠状位T2W图像(T2S和T2DL)均随机化、匿名化,并使用图像查看软件(RadiAnt DICOM Viewer 2020.1)独立评估。定量图像评估由一名具有3年盆腔MR图像判读经验的放射科医师完成。在可能的情况下,操作者定义的ROI置于矢状位T2w图像上的子宫肌层、结合带、臀肌和子宫肌瘤内。ROI尽可能大,且避开严重伪影区域。臀肌内的ROI相对较小,因为需注意避开大体脂肪区域。
以图像背景信号强度(SI)的标准差作为噪声值进行测量。子宫肌层、结合带和子宫肌瘤的SNR根据公式1计算[22, 23]:其中SI为ROI内的平均SI,N为背景噪声。随后根据公式2 [22; 23]确定以下各组之间的CNR:(1)子宫肌层与结合带,(2)子宫肌层与臀肌,(3)结合带与臀肌,(4)子宫肌层与子宫肌瘤:其中SIA和SIB为前述两种组织的平均SI。注意对同一患者每对图像保持ROI大小和放置的一致性。在多发病灶的患者中,仅分析最大的病灶。
通过测量T2DL和T2S图像上子宫和病灶在三个方向上的直径来评估几何图像失真。对于24名健康志愿者,在T2DL和T2S图像上子宫显示最大的层面测量子宫的长径(即平行于子宫体长轴)、短径(即垂直于长径的最大长度)和横径(即两侧子宫角之间的距离)。鉴于子宫肌瘤相对于子宫腺肌症和瘢痕子宫测量而言相对简便和准确,对于每例受累患者(n = 27),在T2DL和T2S图像上选取病灶面积最大的层面检查最大病灶,随后测量该病灶的前后径、垂直径和横径。
图像定性评估
所有匿名图像数据集均由三名放射科医师以随机顺序独立评估,其盆腔MR图像判读经验分别为3年、5年和11年。阅片者对序列类型设盲,因为图像信息在查看软件中被隐藏。放射科医师采用5点Likert量表对轴位、冠状位和矢状位图像的整体图像质量、伪影、子宫带状层边界清晰度及病灶可见度进行评分,1分和5分分别代表最差和最佳表现(表3)。对于多发病灶患者,在综合考虑所有病灶后仅给出一个评分。
统计分析
统计分析使用SPSS 21.0.0.0版(IBM;https://www.ibm.com)进行。使用Kolmogorov–Smirnov检验进行正态性检验后,符合正态分布的连续变量以均值±标准差表示,否则以中位数(四分位距[IQR])表示。有序尺度变量以中位数(IQR)表示。定量分析结果对正态分布变量采用配对t检验比较,对非正态分布变量采用Wilcoxon符号秩检验比较。在T2DL和T2S图像上获取子宫及病灶在三个方向上径线的分布与一致性,并以Bland–Altman图呈现。定性评分采用Wilcoxon符号秩检验比较。观察者间一致性采用Kendall W检验评估(≤ 0.4,一致性差;0.41–0.75,一致性良好;> 0.75,一致性极好)。双侧p值< 0.05被认为具有统计学意义。
结果
患者特征
本研究共纳入72名参与者(中位[IQR]年龄:35.50 [25.25–42.75]岁;范围:23–71岁)。参与者体重指数为21.58(19.73–23.81)kg/cm2(范围:16.94–37.20 kg/m2)。在48例良性盆腔疾病患者中,27例患有子宫平滑肌瘤,9例患有子宫腺肌病,12例有瘢痕子宫。
定量图像评估
轴位、矢状位和冠状位成像的采集时间在T2DL和T2S分别为1:54 min和5:06 min。包括所有T2加权序列的总采集时间在T2DL和T2S分别为5:42 min和15:18 min。总体而言,T2DL图像的采集时间较T2S图像缩短了62.7%。共独立评估了432个图像数据集。子宫肌层、结合带、臀肌、平滑肌瘤和图像背景中ROI的面积中位数(IQR)或均值±标准差分别为69.10(52.83–76.93)mm2、11.30(8.10–17.65)mm2、25.51 ± 10.69 mm2、579.75(153.70–1286.73)mm2和1052.03 ± 586.69 mm2。子宫肌层、结合带和平滑肌瘤的平均SNR在T2DL图像上均显著高于T2S图像(分别为108.63 vs. 76.36,p < 0.001;57.64 vs. 40.77,p < 0.001;44.98 vs. 32.86,p = 0.001)(图2a)。平均CNR在T2DL图像上亦显著高于T2S图像:子宫肌层与结合带之间为60.14 vs. 42.32,p < 0.001;子宫肌层与臀肌之间为76.43 vs. 54.73,p < 0.001;结合带与臀肌之间为25.63 vs. 19.47,p = 0.005;子宫肌层与平滑肌瘤之间为39.13 vs. 28.29,p = 0.007(图2b)。
定量测量显示,两种序列在子宫及子宫肌瘤病灶最大径方面无显著差异。T2DL 中子宫体的长径、短径和横径平均值 ± 标准差分别为 49.29 ± 7.03 mm、38.27 ± 5.58 mm 和 44.92 ± 6.39 mm,T2S 中分别为 49.23 ± 6.89 mm、38.20 ± 5.54 mm 和 44.80 ± 6.23 mm(p 分别为 0.979、0.969 和 0.944)。T2DL 中子宫肌瘤病灶的前后径、上下径和横径平均值 ± 标准差分别为 44.22 ± 23.87 mm、43.37 ± 26.65 mm 和 44.28 ± 23.51 mm,T2S 中分别为 44.41 ± 24.17 mm、44.04 ± 27.17 mm 和 44.12 ± 23.63 mm(p 分别为 0.976、0.925 和 0.981)。Bland–Altman 图显示 T2DL 图像几何变形极小。T2DL 与 T2S 之间的平均百分比差异及一致性界限为 − 0.67% 至 0.15%(图 3)。
定性图像评价
三名阅片者对定性图像评价的观察者间一致性极好(Kendall W 系数:T2DL 为 0.801–0.903,T2S 为 0.771–0.914;所有 p < 0.001)。使用 72 名参与者的图像评价整体图像质量、伪影和子宫分层边界清晰度,使用 37 例可见病灶患者的图像评价病灶显示清晰度。T2DL 的矢状位、轴位和冠状位图像整体质量评分(中位数 [IQR] 分别为 5(4–5)、5(4–5)和 5(4–5))高于 T2S(中位数 [IQR] 分别为 4(4–5)、4(4–4)和 4(4–4);所有 p < 0.001)。
所有患者的T2S图像中均检测到鬼影伪影。T2DL图像中也观察到伪影,但在部分矢状面、轴面和冠状面图像中伪影显著减少(T2S和T2DL的中位数[四分位距]评分分别为4[4–5]和5[4–5]、4[4–5]和5[5–5]、4[4–5]和5[4–5],均p < 0.001)(图4、5和6)。除运动伪影减少外,T2DL图像对子宫分层结构和病灶的显示清晰度显著更高(图5和6)。T2DL的分层结构边界锐利度评分显著高于T2S。在矢状面、轴面和冠状面图像中,T2DL和T2S的中位数(四分位距)评分分别为5(5–5)和4(4–5)、5(4–5)和4(4–4)、5(4–5)和4(4–4)(均p < 0.001)。此外,T2DL的病灶显示清晰度评分优于T2S,矢状面和轴面图像的中位数(四分位距)分别为5(4–5)对4(4–4),冠状面图像的中位数(四分位距)为5(4–5)对4(4–5)(分别为p = 0.002、p < 0.001和p = 0.021)。三位阅片者对T2DL和T2S图像的定量图像评估结果见表4。
讨论
这项前瞻性研究首次在健康志愿者和良性子宫疾病患者中比较了T2DL与T2S用于妇科MRI的可行性。与T2S相比,T2DL生成的图像信噪比(SNR)和对比噪声比(CNR)显著提高,且无几何变形。此外,T2DL将采集时间缩短了62.7%。另外,T2DL图像在三个平面上均显示出更优的图像质量、子宫分层边界的清晰度和良性子宫疾病的病灶显著性,以及更少的伪影。
在先前关于深度学习(DL)重建技术用于加速腹部和前列腺MR采集的研究中,噪声的主观评分优于标准序列图像[20, 24]。在本研究中,DL加速技术首次被嵌入女性盆腔MRI协议中以采集图像。我们设计使用最常用的测量方法(在单幅图像中分别设置信号区和噪声区)计算SNR和CNR值,以客观比较T2DL和T2S的图像质量。一些先前发表的研究表明,这种测量方法可能会降低并行成像中的SNR表现,因为在采用并行成像重建的加速图像中噪声分布不均匀[25, 26]。然而,我们的目的是比较两个均采用并行成像重建的序列(T2DL vs. T2S)的SNR和CNR值,且T2DL所使用的采集参数,包括重复时间、回波时间、回波链长度和并行加速因子,与T2S所使用的完全相同。图像背景上的感兴趣区(ROI)尽可能大(平均面积:1052.03 mm2),且不含伪影,以减少噪声不均匀性对定量分析的影响。我们发现,尽管本研究中两个序列ROI内的平均信号强度相似,但T2DL图像的背景噪声强度明显低于T2S图像。因此,采用DL重建的涡轮自旋回波(TSE)序列相对于传统方法产生了更高的SNR和CNR值。此外,子宫肌层与结合带之间更高的CNR可能增强了子宫分层边界的清晰度,因为三位阅片者在边界清晰度评估中均将T2DL图像评为优于T2S图像。
运动伪影是盆腔MRI面临的主要挑战。下前腹壁的周期性运动和搏动性血管,以及蠕动内脏的随机运动,是伪影产生的主要来源[27, 28]。使用快速图像序列可直接减少随机运动并便于屏气,从而减少运动伪影[10, 11, 27]。Tsuboyama等报道,周期性运动在常规TSE上产生明显的鬼影伪影,但在半傅里叶采集单次激发涡轮自旋回波(HASTE)序列上则不产生,因为HASTE的采集时间显著短于TSE[29]。如图4所示,T2DL图像中肠蠕动和鬼影伪影显著减少。因此,T2DL的运动伪影影响小于T2S,从而更清晰地勾勒出病灶边缘和内部结构。子宫腺肌症的典型表现,包括边界不清的低信号区、肌层内囊肿及T2W图像上的小高信号区,在T2DL上比在T2S上显示得更清晰,如图6所示[30]。运动稳健的T2DL图像被评价为优于T2S图像,这一发现提示这些加速图像可能在临床上可被接受。
妇科MRI已被公认为评估女性盆腔疾病的最佳影像学方法。因此,加速妇科成像的DL重建技术具有相关的临床获益[2, 29, 31]。更短的序列时间可能降低MRI成本,并允许更高的患者流通量和/或在单位时间内完成更多成像。此外,快速成像序列可能减轻患者焦虑,从而获得具有最佳诊断价值的运动稳健图像。未来,加速妇科MRI方案可能被用作常规方案的候选甚至替代方案。
本研究存在若干局限性。第一,由于本研究涉及将DL重建技术用于妇科MRI的初步实验,研究人群较小且来自单中心。未来需要开展纳入更大 cohort 的多中心研究,以评估T2DL图像的稳健性和诊断能力。第二,由于所部署的神经网络可能产生不同的噪声分布,本研究中SNR和CNR测量的有效性尚不明确。未来研究应提出适用于DL重建MR图像的测量方法以进行定量评估。第三,我们纳入的患者具有不同的良性病变类型,这可能潜在影响主观和客观分析。建议未来开展纳入相同病变类型患者的研究。最后,结论的普适性可能有限,因为仅纳入了健康志愿者和良性子宫疾病患者。T2DL图像在其他盆腔疾病女性、尤其是妇科恶性肿瘤中的图像质量和诊断性能仍有待阐明。在这方面,这种DL重建技术的临床价值应进一步在其他妇科疾病中探索。
总之,与标准TSE序列相比,DL加速T2w TSE序列是一种有效且有前景的方法,可缩短女性盆腔MRI的采集时间,并具有在良性子宫疾病患者中显著改善图像质量、边界锐利度和病灶清晰度的额外优势。
引用
- Ren, Li, Liu, et al. Comparison of a deep learning-accelerated T2-weighted turbo spin echo sequence and its conventional counterpart for female pelvic MRI: reduced acquisition times and improved image quality. Insights Imaging. 2022. PMID: 36512158. doi:10.1186/s13244-022-01321-5
- 全文:PMC9747993(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9747993/
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。