基于生成对抗网络的合成T2加权脂肪抑制序列在多中心脊柱MRI中可减少扫描时间
本研究利用生成对抗网络(GAN)从T1加权和非脂肪抑制T2加权图像合成脊柱T2加权脂肪抑制(T2-w fs)图像,在来自38台扫描仪的101例多中心测试集上评估。结果显示合成图像与真实图像在客观噪声比上无显著差异,主观图像质量评分更高(p=0.023),且在图灵测试中无法区分;对六种脊柱病变的诊断一致性为中等至几乎完美,合成方案可缩短约40%的扫描时间。
要点
- 合成T2-w fs图像质量优于真实图像,且脂肪抑制质量无显著差异。
- 图灵测试中合成与真实图像无法区分,支持其视觉真实性。
- 合成方案与原始方案对脊柱病变的诊断一致性较高,但脊髓病变评估一致性中等。
关键影像表现/征象
- 合成与真实T2-w fs的aSNR和aCNR无显著差异(p>0.05)。
- 合成T2-w fs图像质量评分更高(97.0% vs 87.6%至少可接受,p=0.023)。
- 脂肪抑制质量无显著差异(84.7% vs 81.7%评为良好,p>0.05)。
- 金属植入物周围合成图像显示更好的SNR、对比度且伪影更少。
- 图灵测试中合成与真实图像无法显著区分(p>0.05)。
诊断标准与关键数值
- 图像质量采用5分制评分,脂肪抑制质量采用3分制评分。
- 六种病变(骨髓异常、椎间盘炎范围、Modic改变、椎体骨折、脊髓病变、椎旁组织异常)采用分级评分,具体标准见表1。
- 合成与原始方案间方法学一致性(Cohen‘s kappa)对大多数病变为实质至几乎完美, reader 1对脊髓病变为中等一致性。
- 诊断准确率范围82.2%(骨髓异常)至95.0%(椎间盘炎范围),合成与原始方案间无显著差异(p>0.05)。
临床应用与阅片要点
- 合成T2-w fs可替代物理T2-w fs序列,减少扫描时间约40%,提高患者舒适度和MR吞吐量。
- 在金属植入物等挑战性情况下,合成图像可能提供更优的图像质量。
- 评估脊髓病变时需谨慎,因合成图像对脊髓病变的一致性中等,且推荐使用STIR序列。
- 目前仅评估了矢状面图像,轴位和冠状面未涉及。
局限性
- 主观图像质量评分可能因读者学习识别合成图像特征而产生偏倚,但图灵测试未显示可区分性。
- 两位专家读者经验略有差异,可能导致读者间变异。
- 仅评估了矢状面图像,未包括轴位和冠状面。
- 未进行功效分析。
全文中译16 节 · 点击展开
引言
磁共振成像(MRI)因其高软组织对比度、无创性、无辐射暴露以及多参数图像采集的可能性,在脊柱病变评估中发挥着突出作用[1, 2]。
常规采集矢状位T1加权(w)序列(− / + 对比剂)和T2-w序列[2]。此外,矢状位T2-w序列联合脂肪抑制或分离技术已成为脊柱成像的重要组成部分[2]。去除脂肪信号对整体MR信号的贡献可增强对比分辨率、改善对以液体浓度变化为特征的病变的评估、减少伪影,并有助于决定是否需要追加对比剂[2–14]。特别是对于急性病变如炎症或急性椎体骨折的诊断,T2-w fs图像至关重要[15]。
然而,额外采集T2-w压脂(fs)序列需要更长的扫描方案,这降低了MR检查通量[16]。延长的采集时间降低患者舒适度,可能导致成像数据中出现运动伪影。此外,频谱脂肪饱和技术特别容易受到场不均匀性所致伪影的影响,例如金属植入物周围[4]。
与MRI加速技术的发展[17, 18]并行,近年来虚拟生成的MR图像为缩短扫描时间提供了一种有前景的方法,因为不再需要对特定序列进行物理采集。基于深度学习(DL)架构的生成对抗网络(GAN)可用于从不同MR对比度图像作为输入生成此类合成图像[19–23]。两个网络——一个生成图像,一个学习区分合成图像与真实图像——的迭代交互[24, 25]已被应用于多种解剖区域的MRI数据[26–28]。在脊柱中,GAN可从常规T1-w和非压脂T2-w图像生成T2-fs图像[15, 29]。因此,除了缩短扫描时间外,合成T2-w fs图像可能更不易产生伪影,因为合成图像基于技术上稳定的T1-w和非压脂T2-w图像作为输入。
为促进基于GAN的T2-w fs图像在研究和临床脊柱成像中的广泛实施,合成图像需要通过放射科医师感知的验证,且GAN框架必须证明其外部效度。
因此,本研究旨在探讨基于GAN生成的矢状位脊柱T2-w fs图像(由异质性、多中心的T1-w和T2-w图像生成)的诊断性能。我们假设合成T2-w fs图像是真实T2-w fs图像的良好替代方案,从而允许更短的扫描方案。因此,将合成T2-w fs图像与其真实对应图像在以下方面进行比较:(1)图像质量(定量、定性和视觉图灵测试)和fs质量(定性)以及(2)诊断一致性(定性)。
方法
磁共振成像数据
受试者人群
我们回顾性筛选了201例具有脊柱矢状位T1-w涡轮自旋回波(TSE)、T2-w TSE和T2-w TSE fs图像的患者。研究设计经当地伦理委员会批准。由于回顾性研究性质,豁免知情同意。
训练数据
GAN 的训练数据回顾性取自 96 例患者的 160 幅矢状位 T1-w、T2-w 和 T2-w fs 脊柱图像。由于金属伪影或图像质量差,排除了 31 次扫描(仅在训练数据中)(图 1)。所有扫描均来自两台院内 3 T 扫描仪(Ingenia 和 Achieva d-stream,Philips Healthcare),使用相似的协议。序列参数见表 SM1。
测试数据
我们回顾性识别了 105 例患者的 105 个 MRI 数据集,包括矢状位 T1-w、T2-w 和 T2-w fs 扫描。从 2020/10/01 日期开始向前追溯,所有随后上传至 PACS 的脊柱扫描均被纳入,直至达到 105 个数据集的数量。因此,纳入了院内扫描(n = 55)和因临床复核而导入的其他机构扫描(n = 50)。四个数据集因缺失真实 T2-w fs 图像或导出过程中的数据处理错误而被排除(图 1)。值得注意的是,伪影(例如异物所致)或图像质量差并不构成排除标准,以评估 GAN 在这些具有挑战性的情况下同样适用的性能。其余 101 个数据集来自三家厂商(Philips Healthcare;Siemens Healthineers;GE Healthcare)的 n = 38 台扫描仪。图 2 显示了来自不同扫描仪硬件的真实和合成 T2-w fs 图像。n = 41 个数据集在 1.5 T 下采集,n = 60 个数据集在 3 T 下采集。层厚范围为 2.2 至 5.5 mm;视野(FOV)x/y/z 维度范围为 48/200/30 mm 至 420/420/420 mm。序列参数的均值/范围见表 SM1。
为了考虑数据来源偏倚,在额外分析中排除了来源于训练阶段同样使用的两台 3 T 扫描仪(Ingenia 和 Achieva d-Stream,Philips Healthcare)的测试数据,结果剩余 n = 66 个数据集。相应结果见补充材料。
矢状位 T2-w fs 图像的合成
用于从 T1-w 和非 fs T2-w 图像合成矢状位 T2-w fs 图像的 GAN 基于 Isola 等人 [30] 的 pix2pix 架构(详细信息见 SM 附录 1)。人工生成一个 T2-w fs 数据集平均耗时不到 5 分钟,具体取决于计算能力。大部分时间用于图像配准;GAN 的图像合成耗时不到 30 秒。GAN 架构及图像合成训练过程的示意图和示例图像见图 3。GAN 模型和一个测试案例可在以下存储库中找到:https://doi.org/10.6084/m9.figshare.16627576
GAN 性能评估
客观图像质量评估
一位在脊柱成像方面有六年经验的神经放射科医生,在十个具有代表性的配对合成与真实T2加权脂肪抑制(T2-w fs)图像数据集(包括内部和外部数据)中,进行了与Pennig等人[31]的工作相当的信号噪声比和对比噪声比(aSNR/aCNR)测量。在(i)外观正常的椎体和(ii)骨髓异常区域,分别在合成和真实T2-w fs图像的相同位置手动绘制感兴趣区(ROI)。此外,在椎旁肌肉中放置一个ROI作为背景噪声的参考标准,假设肌肉组织相对均匀,因此信号标准差主要与噪声相关。aSNR和aCNR的计算如下:其中SI为信号强度,SD为标准差。对每个数据集计算了aSNR和aCNR。
主观图像和脂肪饱和质量评估
101个测试数据集(T1-w、T2-w、合成T2-w fs和真实T2-w fs图像)由两位神经放射科医生(读者1具有六年经验;读者2具有三年脊柱成像经验)进行研究。专家读者通过评估伪影的存在、总体SNR和图像对比度,基于5分制[16]对图像质量进行盲法评分,并基于3分制对脂肪饱和质量进行盲法评分,评分合成和真实T2-w fs图像(表1(a))。
为评估合成和真实T2-w fs图像是否无法区分,进行了视觉图灵测试。从测试数据集中,分别随机呈现同一患者的25张合成和25张真实T2-w fs图像,并对十一位神经放射科医生(脊柱MRI经验1至20年)设盲,使用基于网站的图形用户界面(GUI)[32, 33]。参与者必须将所示图像分类为合成或真实T2-w fs。在不知道分类正确或错误的情况下,呈现下一张图像。
诊断一致性评估
在101个测试数据集中的每一个中,基于T1-w、T2-w和真实T2-w fs图像,将五个连续椎体节段定义为ROI。因此,在所有数据集中,包括了颈椎、胸椎和腰椎节段。随后,上述两位专家读者通过评分ROI中六种不同病变来评估图像的诊断一致性:骨髓异常、脊椎椎间盘炎扩展、Modic改变、椎体骨折、脊髓病变和椎旁组织异常。选择这六种命名病变是因为它们属于最常见的脊柱病变。特别是对于这六种病变,足够的液体对比度对于评估很重要,因此,T2-w fs图像的分析具有重要的诊断相关性。评分见表1(b)。两位读者在随机和盲法评估中,独立地对合成方案(T1-w、T2-w和合成T2-w fs图像)和原始方案(T1-w、T2-w和真实T2-w fs图像)中的病变进行评分。
准确性的金标准定义
在完成盲法专家阅片后,对101个测试数据集定义了金标准(GT)分级。T1加权、T2加权和真实T2加权脂肪抑制图像由两位专家读者共识分级评估,并额外结合了前期或随访扫描、其他成像方式和临床信息。
统计分析
统计分析使用SPSS(版本27.0,IBM SPSS Statistics for MacOS,IBM Corp.)和Microsoft Excel(2021)进行。p值0.05设为统计显著性阈值。
使用Wilcoxon符号秩检验评估来自十个代表性数据集的合成与真实T2加权脂肪抑制图像的aSNR和aCNR之间的显著差异。
使用描述性统计分析合成与真实T2加权脂肪抑制的图像和脂肪饱和质量分级。使用Wilcoxon符号秩检验评估合成与真实T2加权脂肪抑制的图像和脂肪饱和质量分级之间的显著差异。
使用描述性统计分析图灵测试。使用McNemar检验评估真实T2加权脂肪抑制与合成T2加权脂肪抑制图像之间真实条件与专家分级的显著差异。
为评估基于合成方案与原始方案的病理评估方法间一致性,计算Cohen's kappa(ĸ)系数[34]。此外,使用Cohen's ĸ系数计算病理分级的评价者间一致性。使用Wilcoxon符号秩检验评估Cohen's ĸ系数之间的显著差异。
为与金标准比较,计算分级准确性并使用McNemar检验评估相应显著性。
结果
合成与真实T2加权脂肪抑制的图像和脂肪饱和质量
十个代表性数据集的合成与真实T2加权脂肪抑制图像的aSNR和aCNR值无显著差异(p > 0.05)。详细结果见表SM2a。为比较客观和主观图像质量指标,表SM2b分别提供了两位专家读者对合成和真实T2加权脂肪抑制图像的相应图像质量分级。
两位读者对合成T2加权脂肪抑制的图像质量分级均高于真实T2加权脂肪抑制(合成T2加权脂肪抑制图像的97.0%对真实T2加权脂肪抑制图像的87.6%被评为至少可接受)(表2(a))。图像质量分级的差异具有统计学显著性(p = 0.023)。合成T2加权脂肪抑制与真实T2加权脂肪抑制之间的脂肪饱和质量分级无显著差异,合成T2加权脂肪抑制图像的84.7%和真实T2加权脂肪抑制图像的81.7%被评为良好脂肪饱和(p > 0.05)(表2(b))。
当排除来源于两个也用于训练阶段的扫描仪(Ingenia和Achieva d-Stream,Philips Healthcare)的测试数据时,剩余66个数据集的图像和脂肪饱和质量分析见表SM3。
对金属植入物病例的视觉检查显示合成图像具有更高的图像质量。图4显示了带有金属植入物的合成和真实T2加权脂肪抑制图像。合成T2加权脂肪抑制图像基于采用特定金属伪影减少技术的T1加权和T2加权序列。此外,真实T2加权脂肪抑制为采用金属伪影减少的序列。在两种情况下,合成T2加权脂肪抑制均提供了优于真实T2加权脂肪抑制的图像质量,提供更好的SNR、更高的对比度和金属植入物周围更少的伪影。
基于11位独立神经放射科医师进行的图灵测试,合成T2加权脂肪抑制(T2-w fs)图像与真实T2-w fs图像在真实条件与专家评分之间未观察到显著差异(p > 0.05)(表3)。42.9%的合成T2-w fs图像和38.5%的真实T2-w fs图像被错误地评为对应的另一类图像。
合成方案与原始方案之间的诊断一致性
图5展示了具有骨髓异常、椎体骨折和椎旁组织异常的代表性合成与真实T2-w fs图像。原始图像来自不同扫描仪厂商和场强。对两幅并列图像进行纯定性视觉比较显示,合成与真实T2-w fs图像在检测所呈现的脊柱病变方面具有相似的诊断性能。
表4显示了读者1和读者2分别基于合成方案与原始方案进行分级的组间一致性(Cohen's ĸ系数)。对于两位读者,所有评估的病变(骨髓异常、脊椎间盘炎范围、炎症性Modic改变、椎体骨折、脊髓病变和椎旁组织异常)的组间一致性范围从实质性到几乎完全一致,但读者1对脊髓病变的分级显示中等一致性除外。读者1与读者2之间的Cohen's ĸ系数存在显著差异(p = 0.046)(表4)。同一读者在合成方案与原始方案之间的一致性高于读者间一致性,但脊髓病变除外(表4,仅在读者2中发现显著性,p = 0.028)。
排除来自训练阶段也使用的两台扫描仪(Ingenia和Achieva d-Stream,Philips Healthcare)的测试数据后,其余66个数据集的Cohen's ĸ系数见表SM4。
合成方案与原始方案的准确率之间未显示显著差异,范围从骨髓异常分级的82.2%到脊椎间盘炎范围分级的95.0%(p > 0.05)(表5)。
扫描时间缩短
在验证数据集中,T1加权序列的平均采集时间为155秒;非脂肪抑制T2加权序列为207秒;脂肪抑制T2加权序列为207秒。因此,免除脂肪抑制T2加权图像的物理采集可使常规脊柱检查的扫描方案缩短约40%。
讨论
我们的工作证明了基于生成对抗网络(GAN)的矢状位脂肪抑制T2加权成像在脊柱成像中的诊断潜力。合成的脂肪抑制T2加权图像整体图像质量优于真实脂肪抑制T2加权图像,且基于合成方案的病理评估与原始方案显示出极好的一致性。我们能够证明该方法的泛化能力,因为我们的评估基于一个具有挑战性的多中心测试数据集。因此,合成的脂肪抑制T2加权图像未来可能取代物理采集的脂肪抑制T2加权图像,从而显著缩短脊柱病理评估的扫描时间。
随着深度学习(DL)技术引入放射学工作流程,基于GAN框架的合成MR对比度不断涌现。近期,可行性研究证明了基于GAN的MR图像的临床获益,例如,合成的双反转恢复(DIR)序列改善了多发性硬化的病灶检测[26]。与钆对比剂不同,T1或T2等固有MR对比度可使用GAN合成,而不会引入来自其他MR对比度的伪影[21],这可能使特定MR序列的物理采集不再必要,从而缩短扫描时间。
尽管客观图像质量评估未显示合成与真实脂肪抑制T2加权图像之间存在显著差异,但根据两位专家阅片者的评分,合成图像的图像质量显著优于真实脂肪抑制T2加权图像。我们使用GAN虚拟生成脂肪抑制T2加权图像的方法可使常规脊柱检查的总扫描时间缩短约40%。这不仅提高了MR检查通量,也可能是合成脂肪抑制T2加权图像相较真实脂肪抑制T2加权图像图像质量显著更好的原因之一。由于采集时间延长会降低患者舒适度,且脂肪抑制序列通常最后采集,真实脂肪抑制T2加权图像可能受到运动伪影的影响。此外,MR脂肪饱和技术因所用技术不同,易受磁场不均匀性影响或固有信噪比(SNR)较低[4]。在扫描带有植入硬件的区域时,这一点尤为值得关注。相比之下,GAN生成的脂肪抑制T2加权图像使用常规T1加权和非脂肪抑制T2加权图像作为输入,这些图像在技术上更稳定、更不易产生伪影,并提供更高的SNR。因此,尽管已知使用GAN人工生成的图像可能显示特定伪影[35],但我们的合成脂肪抑制T2加权图像显示出 improved 图像质量。
除令人信服的图像质量外,合成图像还必须反映真实情况。因此,与原始方案之间极好的诊断一致性和高准确性尤为重要。
对于所评估的六种病变中的五种,基于合成方案(包括合成的T2加权脂肪抑制(T2-w fs)图像)的专家评分与原始方案(包括真实T2-w fs图像)显示出高度至几乎完美的一致性。读者1对脊髓病变的评估仅显示合成方案与原始方案之间具有中等一致性。值得注意的是,基于合成方案评估脊髓病变的评分者间Cohen's ĸ系数低于其他评分者间Cohen's ĸ系数。两个方面可能解释脊髓病变分级中较低的Cohen's ĸ系数:(1)生成对抗网络(GAN)仅在T2-w Dixon脂肪抑制图像上进行训练。然而,特别是对于脊髓病变的检测,推荐使用T2加权短tau反转恢复(STIR)图像,而Dixon脂肪抑制技术并不被认为是理想的[12]。(2)在矢状面图像上,T2-w fs图像上表征脊髓病变的高信号往往较细微且难以定论。额外的轴位成像有助于将T2-w fs图像上的高信号与伪影相区分,并检测小的、边缘位置的病变[12]。本研究中没有此类序列可用。
基于合成方案以及原始方案的专家评分均具有极佳的准确性,二者之间无显著差异,这强调了合成图像上的病变评估与金标准之间的良好一致性。
对于基于GAN的合成图像的临床实施,需要外部有效性。据作者所知,迄今为止,仅有的两篇呈现脊柱GAN合成T2-w fs图像的发表使用了来自单一厂商的MR图像[15, 29]。在本研究中,GAN框架已在多中心数据上进行了测试。101个测试数据集由T1-w和非脂肪抑制T2-w图像组成,来源于38台不同扫描仪,其中41个数据集来自1.5 T系统,60个数据集来自3 T系统。与先前在脑和脊柱数据集中视野(FOV)均一的研究不同,我们的研究表明GAN可可靠地应用于FOV高度可变的情况。我们通过仅使用两台扫描仪的图像训练网络,并在来自38台不同扫描仪(具有不同场强、采集方案和制造商)的未见图像上进行验证,从而证明了我们方法的泛化能力。
本研究存在局限性。首先,合成图像相较于真实T2-w fs图像的更高图像质量可能导致偏倚,即在评分过程中读者会学习注意到细微的内在图像特征,从而在少数样本中实现区分。为了排除相关的学习偏倚,我们另外进行了视觉图灵测试。通过向广泛标注者群体随机呈现合成和真实T2-w fs图像且不提供关于错误的反馈[36],我们能够证明合成与真实T2-w fs图像无法被显著区分。
其次,两位专家读者的临床经验略有不同,这可能导致部分评分者间变异性。
第三,在我们的研究中,仅评估了矢状面图像,尽管在临床常规中,轴位和冠状位图像可能是脊柱MRI检查的一部分[37]。然而,目前所有成像方案建议均未将轴位脂肪抑制(fs)图像纳入其推荐[2]。矢状面图像常被用作筛查图像,以指导(非fs)轴位成像的精确感兴趣区(ROI)。因此,矢状面成像在放射学脊柱评估中起着主要作用,本研究旨在聚焦于矢状面图像。
第四,为在临床环境中提出新技术,需要进行功效分析。然而,要进行功效分析,我们需要关于此类新技术性能和疑似诊断价值的一些初步信息,而这些信息在我们此处展示的工作之前尚不可用。本研究旨在初步分析基于生成对抗网络(GAN)的脊柱合成T2加权脂肪抑制(T2-w fs)图像的一般潜力,并表明在异质性测试数据集中,合成T2-w fs图像与真实T2-w fs图像相比具有非劣效性。需要进一步开展模拟常规放射学工作流程的功效分析研究,以评估合成图像尤其在临床环境中的附加诊断价值。
结论
我们的工作强调了基于GAN的T2-w fs在脊柱成像中减少扫描时间的潜力。整体更好的图像质量以及优异的方法间一致性使合成T2-w fs成为与真实T2-w fs相比的良好替代方案。我们的方法具有高度可推广性,因为评估基于具有挑战性的多中心测试数据集。因此,我们基于GAN的T2-w fs未来可能替代物理采集的T2-w fs。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 35.3 kb)
引用
- Schlaeger, Drummer, El Husseini, et al. Synthetic T2-weighted fat sat based on a generative adversarial network shows potential for scan time reduction in spine imaging in a multicenter test dataset. Eur Radiol. 2023. PMID: 36928566. doi:10.1007/s00330-023-09512-4
- 全文:PMC10326102(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10326102/
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。