基于深度学习重建的前列腺T2WI的图像质量和对移行带前列腺癌的诊断效能

作者：杨博文; 程昊; 刘明; 侯惠民; 王淼; 张晨; 李春媚; 陈敏^*

来源：中华放射学杂志, 2023, 57(11).

• 前列腺
• 磁共振成像
• 图像质量
• 深度学习

目的评估基于深度学习方法重建的前列腺T2WI(简称深度学习T2WI)的图像质量及对移行带前列腺癌(PCa)的诊断效能。方法前瞻性连续收集2020年12月至2022年9月北京医院因前列腺特异性抗原水平升高而行前列腺MRI的79例患者。扫描序列包括横断面常规T2WI、深度学习T2WI和扩散加权成像, 记录扫描时间。对图像质量进行主观评分, 评价项目包括图像质量、诊断置信度、噪声、伪影、图像清晰度及病变可检测性。对图像质量进行客观评价, 计算信噪比(SNR)及对比信噪比(CNR)。对移行带病变分别采用深度学习T2WI和常规T2WI进行双参数MRI前列腺影像报告和数据系统2.1版(PI-RADS v2.1)评分。对深度学习T2WI和常规T2WI的图像质量主、客观评价指标采用Wilcoxon符号秩和检验进行比较。对于移行带病变, 以病理结果为金标准, 基于病灶水平(移行带全部病变)和患者水平(移行带最高分病变), 分别绘制受试者操作特征曲线, 评估深度学习T2WI和常规T2WI的PI-RADS评分对移行带PCa的诊断效能, 采用DeLong检验比较曲线下面积(AUC)。结果深度学习T2WI的扫描时间为1 min 38 s, 常规T2WI为4 min 37 s, 缩短了64.6%。深度学习T2WI与常规T2WI图像质量各主观评价指标的评分均为5(4, 5)分, 2组图像间图像质量和病变可检测性评分差异有统计学意义(Z=-2.32、-2.36, P=0.020、0.018), 其他评价指标评分差异均无统计学意义(P>0.05)。深度学习T2WI和常规T2WI的SNR分别为17.11(14.09, 21.92)、9.15(7.16, 11.17), 差异有统计学意义(Z=-7.72, P<0.001)。深度学习T2WI和常规T2WI的CNR分别为20.78(13.42, 31.42)、11.05(7.82, 16.25), 差异有统计学意义(Z=-7.54, P<0.001)。基于病灶水平(40个PCa和48个良性病灶), 深度学习T2WI和常规T2WI的双参数PI-RADS评分诊断移行带PCa的AUC分别为0.915(95%CI 0.856～0.975)、0.916(95%CI 0.857～0.976), 差异无统计学意义(Z=0.03, P=0.973)。基于患者水平(33例PCa和46例良性病灶患者), 深度学习T2WI和常规T2WI的双参数PI-RADS评分的AUC分别为0.921(95%CI 0.857～0.984)、0.939(95%CI 0.886～0.992), 差异无统计学意义(Z=0.59, P=0.558)。结论与常规T2WI相比, 前列腺深度学习T2WI能在保证图像质量的同时缩短扫描时间, 且对移行带PCa的诊断效能相当。

• 单位
  中国医学科学院; 北京医院