健康

深層学習ベースの画像再構成により GBCA 線量を最大 80% 削減

この研究のために、専門家らはまず、造影前、低線量、および造影後の標準線量の脳のT1wシーケンスを取得した。次に、深層学習ネットワークを利用して、初期シーケンスを使用して合成された全線量のコントラスト強調 T1w 画像を作成しました。両方の画像セットは 3 人の神経放射線科医によって評価されました。 DL 画像は、標準線量の約 20% を使用して取得されました。盲検読者は各画像セットを同様に採点し、品質に大きな違いは認められませんでした。しかし、画像のSNRと血管の顕在性スコアはDL画像の方が高く、DL画像の境界描写、内部形態、およびコントラスト強調の測定は、標準的なGBCA線量を使用して取得した画像よりも劣っていませんでした。 「ほとんどの場合、放射線科医が選択した画像間に優先順位はありませんでしたが、DL-T1w 画像の優先率は全線量 T1w 画像の優先率よりも高かったです。この好みは、DL 再構成画像で観察される描写の改善とコントラストの強調に起因する可能性があり、正常な構造と病変の両方の視覚化が向上する可能性があります」と著者らは説明しています。同グループは、DL再構成技術が、より高濃度のガドリニウムを含む造影剤に代わる有望な代替手段となることを示唆した。彼らは、自分たちの技術には一般化可能性があると信じていますが、将来の研究では、より大きく多様なサンプルサイズを使用してさらに改良される可能性があります。 研究の要約が利用可能です ここ。 #深層学習ベースの画像再構成により #GBCA #線量を最大 #削減