人工智能辅助压缩感知技术用于腰椎MRI

黄 超,胡军武,李 丽,方纪成

(华中科技大学同济医学院附属同济医院放射科,湖北 武汉 430030)

腰椎疾病种类复杂,通常采用X线及CT等进行诊断,但均具有电离辐射,且显示周围软组织及脊髓等欠佳。MRI可多参数成像,显示脊柱、脊髓及周围软组织对比度佳,可为诊断腰椎疾病提供影像学依据;但扫描时间较长,而腰椎疾病患者常难以长时间保持静卧状态,易产生运动伪影。传统MRI加速技术主要包括半傅里叶变换、并行采集技术及压缩感知(compressed sensing, CS)技术等[1]。利用光梭成像技术可将上述三者相结合,大幅度缩短MR成像时间;人工智能(artificial intelligence, AI)辅助CS(AI-assisted CS, ACS)技术可进一步将光梭成像与AI相结合,使CS技术能够用于2D成像。本研究观察ACS技术用于腰椎MR检查的价值。

1 资料与方法

1.1 研究对象 前瞻性纳入2021年12月—2023年4月80例华中科技大学同济医学院附属同济医院拟接受腰椎MR检查患者,男39例、女41例,年龄21～76岁、平均(49.4±13.6)岁;随机将其分为ACS组和对照组,每组各40例。ACS组男19例、女21例,年龄23～76岁、平均(50.9±13.6)岁;对照组男20例、女20例,年龄21～75岁、平均(47.8±13.6)岁。排除标准:①无法较好地配合完成检查;②图像质量不佳,影响临床诊断。本研究经院伦理委员会批准(批准号:TJ-IRB20160923),检查前患者均签署知情同意书。

1.2 仪器与方法 采用联影3.0T uMR790 MR仪,床板脊柱线圈。嘱患者仰卧、头先进,佩戴隔音耳机;分别以ACS技术(ACS组)或常规方法(对照组)采集脊柱矢状位(sagittal section, Sag)快速自旋回波(fast spin echo, FSE)T2WI、脊柱Sag FSE T1WI、脊柱Sag FSE脂肪抑制(fat suppression, FS)T2WI、椎间盘轴位(transverse section, Tra)FSE T2WI、椎间盘Tra质子密度加权成像(proton density weighted imaging, PDWI)及脊柱Tra FSE FS T2WI;具体参数见表1、2。

表1 ACS组腰椎MR扫描参数

表2 对照组腰椎MR扫描参数

1.3 图像分析 于联影后处理工作站进行图像分析。选取矢状位Sag图像及轴位Tra FSE FS T2WI最中间层面于L3椎体勾画ROI,于Tra PDWI及Tra FSE T2WI中的L3-4勾画ROI,使2组ROI大小、位置保持对应一致;测量并比较2组ROI及其相同层面脑脊液信号强度(signal intensity, SI)、背景噪声(standard deviation, SD),以及信噪比(signal-to-noise, SNR)及对比度噪声比(contrast-to-noise, CNR)[2]。

由1名具有7年MRI工作经验的主管技师和1名具有10年MRI诊断经验的副主任医师采用李克特量表(Likert scale)以双盲法评价图像质量:1分,图像伪影明显,脊柱、脊髓及椎间盘显示不清,无法用于诊断;2分,伪影较明显,脊柱、脊髓及椎间盘显示较差,诊断价值较低;3分,伪影较小,脊柱、脊髓及椎间盘显示较清晰,满足诊断要求;4分,伪影小,脊柱、脊髓及椎间盘显示清晰,存在噪声信号,诊断价值较高;5分,基本无伪影,脊柱、脊髓及椎间盘显示清晰,噪声信号少,诊断价值高。≥3分为MRI满足诊断需求。

1.4 统计学分析 采用SPSS 21.0统计分析软件。以中位数(上下四分位数)表示不符合正态分布的计量资料,以Mann-WhitneyU检验进行组间比较。采用Kappa检验评估观察者间图像质量评分的一致性:Kappa值>0.75为一致性好,0.40～0.75为一致性较好,<0.40为一致性差。P<0.05为差异有统计学意义。

2 结果

ACS组及对照组扫描时间分别为487 s及232 s,见表1、2。ACS组Sag FSE FS T2WI、Tra FSE T2WI及Tra FSE FS T2WI的SNR均高于对照组(P均<0.05),组间其余序列图像SNR差异及所有序列图像CNR差异均无统计学意义(P均>0.05);见图1、2及表3、4。

图1 ACS组患者,男,55岁,L5-S1椎间盘突出 A.脊柱Sag FSE FS T2WI示L5-S1椎间盘突出(箭); B、C.椎间盘Tra FSE PDWI(B)及Tra FSE T2WI(C)示L5-S1椎间盘突出(箭)并压迫脊髓 图2 对照组患者,女,48岁,L2椎体血管瘤 A.脊柱Sag FSE FS T2WI示L2椎体血管瘤(箭); B.脊柱Tra FSE FS T2WI示L2腰椎退行性病变(箭); C.脊柱Tra FSE FS T2WI示L2椎体血管瘤(箭)

表3 ACS组与对照组图像SNR比较

表4 ACS组与对照组图像CNR比较

观察者间MRI质量评价结果的一致性好(Kappa均>0.75)。取医师评分结果进行分析,结果显示ACS组与对照组图像质量评分差异均无统计学意义(P均>0.05),见表5。

表5 医师对于ACS组与对照组MRI的质量评分(分)

3 讨论

腰椎疾病如退行性病变、肿瘤及脊髓损伤等临床表现多样,病变与脊柱、脊髓及肌肉等的关系复杂,需要适当选择影像学检查方法以进行诊断。MRI可多参数成像,为腰椎疾病、尤其腰椎退行性病变[3]的重要影像学检查方法,但较为耗时,且易产生运动伪影。本研究基于ACS采集腰椎MRI,发现利用ACS技术可大幅度缩短MR成像时间,与既往研究[4-5]结果相符。

本研究采用多个MR序列,对2组以相同FOV、矩阵、层厚及层间距进行扫描;结果显示,ACS组Sag FSE FS T2WI、Tra FSE T2WI及Tra FSE FS T2WI的SNR均高于对照组,其余序列图像组间SNR差异及所有序列图像组间CNR差异均无统计学意义,与既往CS研究[4,6-9]结果基本相符。分析原因,利用光梭成像技术可通过优化重建算法和k空间设计方式保证图像质量,FS可降低图像脂肪信号而使SNR减小,而深度学习算法对腰椎MRI具有良好的降噪效果[10],AI则能进一步减少图像伪影和噪声信号更少[11],使得图像SNR得以提高。

基于卷积神经网络(convolutional neural network, CNN)的AI技术用于医学影像后处理,对于抑制图像噪声及检测病灶等具有重要意义[12]。基于CNN的AI模块,ACS技术在k空间欠采样基础上对不同加速因子数据进行分析,以全采样数据进行训练,进而实现快速高效成像[13-14];利用光梭成像技术可检出常规MRI遗漏的微小病灶[15]。ACS技术在保留光梭成像技术优势的前提下结合AI算法,以保证病灶检出率。另一方面,ACS提高影像时间分辨率的基础在于较高的硬件和软件条件,若硬件和/或软件后处理算法存在不足,反而将延长后台数据处理时间,故应进一步优化算法,以获得更高的加速倍数。

综上所述,ACS技术用于腰椎MR检查可在保证图像质量的前提下缩短扫描时间,值得临床推广。但本研究未对腰椎疾病不同类型进行分类观察,亦未考虑不同加速倍数对图像质量的影响,有待后续加以完善。