文摘目的 探讨深度学习重建(deep learning reconstruction, DLR)技术对膀胱癌MRI图像质量及扫描时间的影响。材料与方法 前瞻性纳入病理诊断为膀胱癌的初诊患者分别行膀胱MRI常规快速自旋回波(fast-spin echo, FSE)-T2WI和DLR快速FSE-T2WI扫描,并保存未使用DLR的原始快速FSE-T2WI。由2名放射科医师分别对三组T2WI(常规FSE-T2WI、快速FSE-T2WI和DLR快速FSE-T2WI)的整体图像质量和图像伪影进行图像质量主观评价(5分标准)。由1名放射科医师测量病变的信噪比(signal-to-noise ratio, SNR)和病变与髂腰肌的对比噪声比(contrast-to-noise ratio, CNR)。对正态分布和非正态分布的数据分别进行单因素方差分析和Friedman检验,比较分析三组T2WI的主观评分和客观指标的差异。采用Weighted-Kappa检验比较组间及组内主观评分一致性。结果 本研究共纳入32例膀胱癌患者,年龄39~93(65±11)岁。缩短扫描时间的快速FSE-T2WI的整体图像质量、伪影评分、SNR(63.2±25.5 vs. 94.7±40.8,P<0.05)、CNR(40.0±19.0vs. 59.6±29.8,P<0.05)均显著低于常规FSE-T2WI;应用DLR显著提高快速FSE-T2WI的整体图像质量、伪影评分、SNR(256.7±102.9 vs. 63.2±25.5,P<0.05)、CNR(168.0±77.3 vs. 40.0±19.0,P<0.05);DLR快速FSE-T2WI的整体图像质量评分及SNR(256.7±102.9 vs. 94.7±40.8,P<0.05)和CNR(168.0±77.3 vs. 59.6±29.8,P<0.05)显著高于常规FSE-T2WI。结论 DLR可以缩短图像扫描时间,并在定量和定性方面提高图像质量,使膀胱癌患者更快完成MRI检查成为可能。
