基于深度学习压缩感知技术在子宫T2WI中的对比研究

作者：刘锴; 孙海涛; 陈财忠; 温喜喜; 曾蒙苏; 徐鹏举^*

来源：中国医学计算机成像杂志, 2023, 29(01): 58-61.

DOI：10.19627/j.cnki.cn31-1700/th.2023.01.020

• 压缩感知
• 磁共振成像
• 深度学习
• 卷积神经网络
• 人工智能

目的：使用深度学习压缩感知技术行子宫T2WI，通过对综合质量的评估，探讨其在临床应用中的可行性。方法：选取临床女性盆腔检查患者80例，分别应用常规并行采集（PI）和深度学习卷积神经网络压缩感知（CNN-CS）技术行T2WI，各采集40例。通过对运动伪影和组织边界清晰度评分进行评估，以及对子宫内膜、肌层与结合带对比度进行比较。结果：CNN-CS扫描的T2WI图像质量总体评分显著高于PI法（2.75±0.44 vs 2.35±0.53,P<0.05）;CNN-CS组子宫内膜、肌层与结合带对比度均优于常规PI组（0.74±0.07vs 0.60±0.11,P<0.001;0.53±0.11 vs 0.44±0.10,P<0.05）;CNN-CS组成像时间小于常规PI组。结论：与常规PI技术成像对比，基于深度学习的CNN-CS技术对子宫T2WI能够减少伪影的影响并提高组织图像对比度，可优化图像质量并减少成像时间。

• 单位
  上海联影医疗科技有限公司; 复旦大学附属中山医院