分享:
分享到微信朋友圈
X
技术研究
快速智能磁共振技术在颈椎磁共振扫描中的应用价值
徐敏 吴瑜 刘键 王荣品 徐睿 曾宪春

Cite this article as: XU M, WU Y, LIU J, et al. Application value of intelligent quick magnetic resonance technique in magnetic resonance scanning of cervical vertebra[J]. Chin J Magn Reson Imaging, 2023, 14(10): 111-115.本文引用格式:徐敏, 吴瑜, 刘键, 等. 快速智能磁共振技术在颈椎磁共振扫描中的应用价值[J]. 磁共振成像, 2023, 14(10): 111-115. DOI:10.12015/issn.1674-8034.2023.10.019.


[摘要] 目的 探讨快速智能磁共振(intelligent quick magnetic resonance, IQMR)技术在颈椎MRI中的临床应用价值。材料与方法 本研究回顾性分析临床疑颈椎病变患者临床资料50例,纳入颈椎T2WI常规图像、IQMR原始图像及IQMR重建图像。采用ANOVA检验比较三组图像的客观评分[感兴趣区域信号强度(signal strength, SI)、平均背景噪声(standard deviation, SD)、信噪比(signal-to-noise ratio, SNR)、对比噪声比(contrast-to-noise ratio, CNR)]之间的差异,采用多样本秩和(Kruskal-Wallis H)检验评价主观评分之间的差异性,并比较三组图像的病灶检出情况与扫描时间。结果 IQMR颈椎矢状位T2WI序列扫描平均时间约1 min 17 s,与常规MRI相比时间缩短约57%;与原始图像相比,经过IQMR重建所得图像的SD背景下降21%,SNR提升28%,CNR提升30%;与常规图像相比,经过IQMR重建所得图像SD下降43%,SNR提升50%、CNR提升68%;三组图像之间SI脊髓差异无统计学意义;三组图像之间SI脑脊液差异具有统计学意义(P<0.05),且常规图像SI脑脊液低于IQMR原始图像及IQMR重建图像。结论 IQMR技术在颈椎MRI中能降低SD、提高SNR及CNR,从而提高图像质量,因此IQMR技术能够在保证图像质量的情况下,缩短扫描时间、提高颈椎MRI的扫描效率。
[Abstract] Objective To explore the clinical value of fast intelligent quick magnetic resonance (IQMR) in cervical MRI.Materials and Methods In this study, 50 patients with suspected cervical spondylosis were collected retrospectively and included in T2-weighted (T2WI) conventional, IQMR original, and IQMR reconstructed images. ANOVA test was used to compare the differences among the objective scores of the three groups of images signal strength (SI), average background standard deviation (SD), signal-to-noise ratio (SNR), and contrast-to-noise ratio (CNR). Multiple rank sum (Kruskal-WallisH) test was used to evaluate the subjective scores. The focus detection and scanning time differences among the three groups were compared.Results The average scanning time of IQMR sagittal T2WI sequence was about 1 min 17 s, about 57% shorter than conventional scanning. Compared with the original image, the SDbackground of the image reconstructed by IQMR decreased by 21%, and CNR increased by 28%. Compared with the conventional image, the SD of the image reconstructed by IQMR decreased by 43%, and the CNR increased by 68%. There was no statistical difference in SIspinal cord among the three groups of images. There were significant differences in cerebrospinal fluid signals among the three groups. The cerebrospinal fluid signals of conventional images were lower than those of IQMR original images and IQMR reconstruction images.Conclusions IQMR technology can reduce noise, and improve SNR and CNR in cervical MRI, thus improving image quality. In the case of ensuring image quality, it has the potential to reduce scanning time and improve the efficiency of clinical MR cervical spine scanning.
[关键词] 颈椎;信噪比;对比噪声比;快速智能磁共振技术;磁共振成像
[Keywords] cervical vertebrae;signal-to-noise ratio;contrast-to-noise ratio;intelligent quick magnetic resonance;magnetic resonance imaging

徐敏 1, 2   吴瑜 1, 2   刘键 1, 2   王荣品 2   徐睿 2   曾宪春 2*  

1 遵义医科大学研究生院,遵义 563000

2 贵州省人民医院医学影像科,贵阳 550002

通信作者:曾宪春,E-mail:zengxianchun04@foxmail.com

作者贡献声明:曾宪春设计本研究的方案,对稿件重要的智力内容进行了修改;徐敏起草和撰写稿件,获取、分析或解释本研究的数据;吴瑜、刘键、徐睿负责获取、分析或解释本研究的数据;王荣品对稿件重要的智力内容进行了修改;徐睿获得了贵州省自然科学基金项目的资助。曾宪春获得了国家自然科学基金项目的资助。全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 国家自然科学基金项目 82060314 贵州省自然科学基金项目 黔科合基础-ZK〔2022〕一般 263
收稿日期:2023-03-05
接受日期:2023-09-25
中图分类号:R445.2  R681.55 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.10.019
本文引用格式:徐敏, 吴瑜, 刘键, 等. 快速智能磁共振技术在颈椎磁共振扫描中的应用价值[J]. 磁共振成像, 2023, 14(10): 111-115. DOI:10.12015/issn.1674-8034.2023.10.019.

0 前言

       颈椎病是一种以脊柱退变为特征的常见疾病[1],常合并神经结构的机械性压迫,引起疼痛或神经功能障碍,严重可致瘫痪[2]。MRI已成为现代医学诊疗中重要的检查技术,是颈椎退行性变、椎间盘病变以及脊髓损伤等疾病临床诊断中不可或缺的工具[3, 4, 5, 6]。然而高质量MR图像采集时间相对较长[7],常导致患者在MRI检查中耗费大量时间;因此,在保证图像质量情况下缩短扫描时间已成为目前研究的热点。快速智能磁共振(intelligent quick magnetic resonance, IQMR)是一种基于人工智能(artificial intelligence, AI)辅助的图像迭代重建技术,原理是将输入的原始数据集分解为3D补丁,通过计算每个图像补丁的特征,对噪声和信号进行联合估计与分离,通过不断迭代这个过程,达到同一MRI中最佳图像即停止迭代输出最佳值,实现不增加成像时间从而提高图像质量[8]。然而IQMR技术作为一种新兴AI重建技术,目前仅有KANEMARU等[9]在其研究中使用IQMR技术提升颅脑MRI图像质量,虽然已取得不错的表现,但其侧重于探讨IQMR技术在颅脑T1WI结构像中形态计量学分析的准确度,而针对不同序列、不同部位,IQMR技术是否能改善MR图像质量需进一步探索。本研究旨在对比颈椎矢状位T2WI常规图像与IQMR技术扫描图像,探讨IQMR技术在颈椎MRI检查中的应用价值,为临床提高MRI扫描效率、加快诊疗速度提供有力的支持。

1 材料与方法

1.1 一般资料

       本研究遵守《赫尔辛基宣言》,并获贵州省人民医院医学影像临床研究伦理委员会批准,免除受试者知情同意,批准文号:(2022)045号。回顾性分析本院2022年3月至2022年5月临床怀疑颈椎病变行MRI检查的患者资料50例,男31例,女19例,年龄26~81(50.76±11.86)岁。

1.2 扫描及后处理方案

       采用西门子MAGNETOM Aera 1.5 T超导MR扫描仪行颈椎矢状位平扫,采用8通道头相控阵线圈。常规颈椎矢状位T2WI,参数如下:TR 2800 ms,TE 108 ms,层厚3 mm,层间距0.6 mm,矩阵384×384,视野300 mm×300 mm,分辨率0.6 mm×0.6 mm×3.0 mm,层数11,扫描时间3 min 1 s;IQMR原始颈椎矢状位T2WI,参数如下:TR 3000 ms,TE 81 ms,层厚3 mm,层间距0.6 mm,矩阵300×100,视野260 mm×260 mm,分辨率0.3 mm×0.3 mm×3.0 mm,层数11,扫描时间1 min 17 s,扫描后获得原始图像,并将原始图像数据传入后处理工作站(Medic Vision Imaging Solutions, Tirat Carmel, Israel 13)行IQMR重建获取IQMR重建图像。

1.3 图像分析

       主观评分:由两名5年以上影像诊断经验的主治医师分别对两组图像使用双盲法评判分析,取两者平均值。根据椎体、椎间盘、脊髓结构显示情况进行评分,具体评分标准如下:1分,图像伪影多,病灶及解剖结构显示不清,不能诊断;2分,图像中度伪影,病灶及解剖结构显示模糊,诊断可能出现误差;3分,图像中度伪影,病灶及解剖结构显示欠清,但对诊断影响不大;4分,图像轻微伪影,病灶及解剖结构显示可,可明确诊断;5分,无伪影图像,病灶及解剖细节显示清,可明确诊断。

       客观评价:于颈椎T2WI正中矢状位图像,选择第2颈椎层面脊髓及枕大池脑脊液处分别勾画面积约2 mm2的ROI,并在图像同层面背景后方上下两角无结构组织区域勾画两个2 mm2的ROI,取二者平均值为平均背景噪声(standard deviation, SD)(图1),计算两组图像ROI的信号强度(signal strength, SI)、SD、信噪比(signal-to-noise ratio, SNR)、对比噪声比(contrast-to-noise ratio, CNR)并进行比较。SNR与CNR计算公式见式(1)~(2)。

图1  ROI的选择。选择颈椎T2WI 正中矢状位,于颈2 颈椎层面脊髓及大枕大池脑脊液处勾画ROI,勾画面积约2 mm2,并于同层面颈2、颈7棘突平面皮下30 mm处勾画测量背景ROI。
图2  常规颈椎T2WI矢状位(2A)、IQMR原始颈椎T2WI矢状位(2B)、IQMR重建T2WI矢状位(2C)图像。三组图像对于病灶的检出数量相同,但对于同一病灶的显示不同;红色箭头所指延髓及脊髓高信号病灶在2B、2C两图的显示范围更大;白色箭头所指小脑下后动脉的显示在2B、2C两图中边缘更清晰。IQMR:快速智能磁共振。
Fig. 1  Selection of ROI. The median sagittal position of T2WI of cervical vertebra is selected. The spinal cord and cerebrospinal fluid of cisterna magna are defined as ROI at the level of cervical vertebra, and the area is about 2 mm2. The background ROI is delineated at the subcutaneous 30 mm of C2 and C7 spinous process plane at the same level.
Fig. 2  Images of conventional cervical T2WI sagittal images (2A), IQMR original cervical T2WI sagittal images (2B) and IQMR reconstructed T2WI sagittal images (2C), respectively. The number of lesions detected by the three images is the same, but the display of the same focus is different; The display range of the high signal lesions of the medulla oblongata and spinal cord indicated by the red arrow is larger in images 2B and 2C; The edge of the posterior inferior cerebellar artery pointed to by the white arrow is clearer in images 2B and 2C. IQMR: intelligent quick magnetic resonance.

1.4 统计学分析

       采用SPSS 26.0统计学分析软件。计量资料以均数±标准差表示;等级资料以中位数(上、下四分位数)表示。三组扫描图像SI、SD、SNR及CNR的统计学差异采用ANOVA检验;采用Kappa检验评估2名影像诊断医师评价颈椎MRI主要解剖结构评分的一致性:Kappa≤0.40时一致性差,0.40<Kappa≤0.60时一致性中等,0.60<Kappa≤0.80时一致性较好,Kappa>0.8时一致性好。采用多样本秩和(Kruskal-Wallis H)检验比较三种扫描图像颈椎图像的整体主观评分差异。以P<0.05时为差异具有统计学意义。

2 结果

2.1 两组图像客观评价的比较

       经过IQMR重建所得图像的SI脊髓、SI脑脊液、SD背景、SNR和CNR(205.31±20.48, 628.13±83.26, 1.02±0.26, 210.99±44.21, 429.58±91.16)与IQMR原始图像相比,经过IQMR重建所得图像SD下降21%,SNR提升28%、CNR提升30%;与常规图像相比,经过IQMR重建所得图像SD下降43%,SNR提升50%、CNR提升68%;三组图像之间SI脊髓差异无统计学意义;三组图像之间SI脑脊液差异具有统计学意义(P<0.01),且常规图像SI脑脊液低于IQMR原始图像及IQMR重建图像(表1)。

表1  三组图像SI、SD、SNR及CNR的差异性比较
Tab. 1  Comparison of the differences of SI, SD, SNR and CNR among three groups of images

2.2 两组图像质量主观评分的比较

       两名医师对常规图像显示椎体、椎间盘、脊髓的主观评分结果一致性为较好至好,Kappa值为0.61~0.92,P<0.05(表2)。三组图像整体质量主观评分差异具有统计学意义(H=19.25, P<0.001)(表3);经过事后两两比较显示,IQMR原始图像与IQMR重建图像之间差异无统计学意义(P=0.313);常规图像与IQMR重建图像(P<0.001)及原始图像(P=0.001)之间差异均具有统计学意义(P<0.05, Bonferroni校正)。

表2  两名医师对颈椎各解剖结构主观评分的Kappa值
Tab. 2  Kappa values of image quality between two Radiologists in each anatomical structure of cervical vertebra
表3  三组图像整体质量主观评分的比较
Tab. 3  Comparison of subjective score of overall image quality among three groups

2.3 两组图像疾病检出的主观比较

       使用双盲法对三组图像进行疾病检出的主观比较,疾病类型包括椎间盘突出、椎体压缩性改变、椎体骨质增生、椎管狭窄、脊髓变性(表4)。结果显示,三组图像对病灶检出情况一致但对于病灶细节显示出现不同,与常规图像相比,IQMR原始图像与重建图像对于病灶范围显示更准确,对于搏动的小动脉显示边缘更清晰(图2)。

表4  三组图像对病灶显示情况的比较
Tab. 4  Comparison of the display of lesions among images

3 讨论

       本研究对颈椎行常规、IQMR矢状位T2WI序列扫描,得到常规图像、IQMR原始图像及IQMR重建图像,并将三组图像进行比较,发现经过IQMR重建能够提高图像的SNR以及CNR,并降低SD,改善图像质量。本研究为国内首次利用IQMR技术将机器学习及迭代重建相联合应用于颈椎MRI,不仅实现了缩短MRI扫描时间,且能提高图像质量,提高临床MRI检查效率、加快疾病的诊疗过程。

3.1 扫描时间

       MRI检查由于其软组织对比分辨率高,尤其对脊髓、椎间盘等软组织的清晰显示已成为诊断颈椎疾病的首选技术[10, 11, 12],但其成像时间受k空间数据点数量、采样方式以及图像重建方式等因素影响[7, 13],获得高质量的MR图像会导致检查时间过长,严重影响患者的检查频次及特殊人群的检查。目前临床使用的颈椎矢状位T2WI序列扫描时间平均在3 min左右,而使用IQMR重建技术扫描时间约1 min 17 s,与常规序列相比扫描时间缩短了57%。缩短扫描时间可获得更高的患者配合度,降低运动伪影,便于获取更精准的图像。

3.2 图像质量

       通过减少激励次数、并行采集技术以及压缩感知等技术可改善图像质量从而提高扫描速度[14, 15],但大部分技术在缩短扫描时间的同时都存在降低图像质量的缺陷。IQMR重建技术与压缩感知技术相似[16, 17, 18, 19],均能通过提高SNR、CNR保证缩短扫描时间后的图像质量[20],然而压缩感知技术采用的欠采样数据、非线性重建以及降噪特性可能会遗漏一些细微的诊断信息[21],且对于压缩因子的选择,不同组织结构可能存在不同的最佳值[22]。随着计算机的发展,AI与影像技术的紧密结合,表现出对于图像去噪、数据恢复等方面具有独特的优势[23, 24, 25],目前许多研究也尝试使用深度学习重建等AI结合的方法辅助压缩感知技术实现在保证图像质量的前提下使用更合适的加速因子[26]。此外,并行成像也是一类可用于减少扫描时间的图像重建方法[27, 28, 29, 30],在并行采集使用过程中,可通过缩短重复时间缩短扫描时间,但会对图像对比度有影响;若减少在相位编码方向上收集的行数,则会降低图像空间分辨率;同时欠采样技术也会增加相邻k空间线之间的间距,从而降低视野,导致图像混叠伪影,可能会对临床诊断造成一定的影响[29]。基于以上问题,IQMR技术首次将3D(GiRR3D, Medic Vision)技术中通用迭代反向重建的Safe CT算法应用于MR图像的处理,将输入图像与IQMR使用期间获取的高质量图像进行比较,通过AI辅助的方式利用MRI数据的统计先验知识以及SNR改善图像增强和迭代重建方法来恢复使用相对较差的曝光参数所获取的MR图像细节和质量[9]。在既往针对颅脑的研究[9, 31]中,IQMR技术不仅可以改善MR图像质量,还可以提高形态计量分析的质量。本研究结果显示IQMR重建图像与常规图像以及IQMR原始图像相比均能够降低SD、提高SNR及CNR等客观指标,实现对图像质量的改善[32, 33],并且重建图像在三组图像中表现最优。不同于其他提速技术需要在扫描中更改参数,IQMR技术在操作过程中,选入IQMR原始序列后无须参数调节即可扫描,并自动重建,不增加额外的人工操作即可输出最佳图像,实现保证图像质量的前提下缩短扫描时间。

3.3 疾病检出能力

       本研究中三组图像具有相同的疾病检出能力,考虑由于未达诊断标准的图像已被临床自动淘汰,纳入资料可能存在选择性偏差;同时IQMR设置原始序列与输出指令即同期机器学习所获得的最佳图像也均能达到诊断标准,两名医师对于IQMR所获得的两组图像整体主观感受无明显差异,表示三组图像疾病检出能力相同。通过IQMR技术扫描的两组图像各解剖结构的主观评分一致性优于常规图像,表明前者成像质量更稳定;同时通过使用IQMR技术扫描时间缩短57%,能够有效减轻患者因检查时间过长带来的不适,获得更高的配合度,有利于捕捉更精准的图像。虽然三种序列疾病检出能力相同,但IQMR技术扫描图像对病灶范围的评估以及搏动血管的显示优于常规图像,因此IQMR技术对疾病显示具有更高的诊断价值。

3.4 局限性

       本研究仍存在不足之处:其一,本研究仅针对T2WI一个序列做出研究,对于一些特殊的功能成像并未进行研究;其二,本研究对于所包含的病种在诊断上并无明显差异,但考虑本研究纳入样本量较少,针对颈椎肿瘤等疾病的诊断是否存在差异有待进一步研究,以上不足将在课题组后期工作中跟进。

4 结论

       综上所述,IQMR重建技术不仅可提升颈椎MRI的图像质量,还可缩短扫描时间,有望提升颈椎MRI的扫描效率,缩短患者预约及检查时间,值得临床推广应用。

[1]
BRINJIKJI W, LUETMER P H, COMSTOCK B, et al. Systematic literature review of imaging features of spinal degeneration in asymptomatic populations[J]. AJNR Am J Neuroradiol, 2015, 36(4): 811-816. DOI: 10.3174/ajnr.A4173.
[2]
THEODORE N. Degenerative cervical spondylosis[J]. N Engl J Med, 2020, 383(2): 159-168. DOI: 10.1056/NEJMra2003558.
[3]
YI J S, CHA J G, HAN J K, et al. Imaging of herniated discs of the cervical spine: inter-modality differences between 64-slice multidetector CT and 1.5-T MRI[J]. Korean J Radiol, 2015, 16(4): 881-888. DOI: 10.3348/kjr.2015.16.4.881.
[4]
胡博. MRI与CT诊断椎间盘突出的临床效果对比研究[J]. 中国医疗器械信息, 2022, 28(10): 93-95. DOI: 10.15971/j.cnki.cmdi.2022.10.036.
HU B. Comparative study on the clinical effect of MRI and CT in the diagnosis of disc herniation[J]. China Med Device Inf, 2022, 28(10): 93-95. DOI: 10.15971/j.cnki.cmdi.2022.10.036.
[5]
李波. 用MRI检查及CT检查诊断腰椎间盘突出症的效果对比[J]. 世界最新医学信息文摘, 2017, 17(79): 139. DOI: 10.19613/j.cnki.1671-3141.2017.79.119.
LI B. Comparison of MRI and CT in the diagnosis of lumbar disc herniation[J]. World Latest Med Inf, 2017, 17(79): 139. DOI: 10.19613/j.cnki.1671-3141.2017.79.119.
[6]
梁芳, 张志海, 邓燕霞, 等. 红外热成像与CT/MRI在门诊腰椎间盘突出症患者诊断中的效果对比[J]. 中国现代药物应用, 2017, 11(23): 56-57. DOI: 10.14164/j.cnki.cn11-5581/r.2017.23.032.
LIANG F, ZHANG Z H, DENG Y X, et al. Comparison of infrared thermal imaging and CT/MRI in the diagnosis of lumbar disc herniation in outpatient department[J]. Chin J Mod Drug Appl, 2017, 11(23): 56-57. DOI: 10.14164/j.cnki.cn11-5581/r.2017.23.032.
[7]
YANG A C, KRETZLER M, SUDARSKI S, et al. Sparse reconstruction techniques in magnetic resonance imaging: methods, applications, and challenges to clinical adoption[J]. Invest Radiol, 2016, 51(6): 349-364. DOI: 10.1097/RLI.0000000000000274.
[8]
DO W J, SEO S, HAN Y, et al. Reconstruction of multicontrast MR images through deep learning[J]. Med Phys, 2020, 47(3): 983-997. DOI: 10.1002/mp.14006.
[9]
KANEMARU N, TAKAO H, AMEMIYA S, et al. The effect of a post-scan processing denoising system on image quality and morphometric analysis[J]. J De Neuroradiol, 2022, 49(2): 205-212. DOI: 10.1016/j.neurad.2021.11.007.
[10]
WANG S, JIANG Z W, YANG H L, et al. MRI-based medical image recognition: identification and diagnosis of LDH[J/OL]. Comput Intell Neurosci, 2022, 2022: 5207178 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/36120698/. DOI: 10.1155/2022/5207178.
[11]
STER C L, GAMBAROTA G, LASBLEIZ J, et al. Breath-hold MR measurements of fat fraction, T1, and T2* of water and fat in vertebral bone marrow[J]. J Magn Reson Imaging, 2016, 44(3): 549-555. DOI: 10.1002/jmri.25205.
[12]
LAREDO J D, VUILLEMIN-BODAGHI V, BOUTRY N, et al. SAPHO syndrome: MR appearance of vertebral involvement[J]. Radiology, 2007, 242(3): 825-831. DOI: 10.1148/radiol.2423051222.
[13]
YOUSAF T, DERVENOULAS G, POLITIS M. Advances in MRI methodology[J/OL]. Int Rev Neurobiol, 2018, 141: 31-76 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/30314602/. DOI: 10.1016/bs.irn.2018.08.008.
[14]
BYANJU R, KLEIN S, CRISTOBAL-HUERTA A, et al. Time efficiency analysis for undersampled quantitative MRI acquisitions[J/OL]. Med Image Anal, 2022, 78: 102390 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/35217453/. DOI: 10.1016/j.media.2022.102390.
[15]
ZHANG X L, GUO D, HUANG Y M, et al. Image reconstruction with low-rankness and self-consistency of k-space data in parallel MRI[J/OL]. Med Image Anal, 2020, 63: 101687 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/32294605/. DOI: 10.1016/j.media.2020.101687.
[16]
OBAMA Y, OHNO Y, YAMAMOTO K, et al. MR imaging for shoulder diseases: effect of compressed sensing and deep learning reconstruction on examination time and imaging quality compared with that of parallel imaging[J/OL]. Magn Reson Imaging, 2022, 94: 56-63 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/35934207/. DOI: 10.1016/j.mri.2022.08.004.
[17]
IKEDA H, OHNO Y, MURAYAMA K, et al. Compressed sensing and parallel imaging accelerated T2 FSE sequence for head and neck MR imaging: comparison of its utility in routine clinical practice[J/OL]. Eur J Radiol, 2021, 135: 109501 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/33395594/. DOI: 10.1016/j.ejrad.2020.109501.
[18]
SARTORETTI T, REISCHAUER C, SARTORETTI E, et al. Common artefacts encountered on images acquired with combined compressed sensing and SENSE[J]. Insights Imaging, 2018, 9(6): 1107-1115. DOI: 10.1007/s13244-018-0668-4.
[19]
LUSTIG M, DONOHO D, PAULY J M. Sparse MRI: the application of compressed sensing for rapid MR imaging[J]. Magn Reson Med, 2007, 58(6): 1182-1195. DOI: 10.1002/mrm.21391.
[20]
刘锴, 陈财忠, 温喜喜, 等. 压缩感知和并行成像技术在肝脏增强MR I中的对比研究[J]. 实用放射学杂志, 2019, 35(10): 1665-1667, 1701. DOI: 10.3969/j.issn.1002-1671.2019.10.028.
LIU K, CHEN C Z, WEN X X, et al. Comparison of compressed sensing and parallel imaging applied to contrastGenhanced MRI of liver[J]. J Pract Radiol, 2019, 35(10): 1665-1667, 1701. DOI: 10.3969/j.issn.1002-1671.2019.10.028.
[21]
DELATTRE B M A, BOUDABBOUS S, HANSEN C, et al. Compressed sensing MRI of different organs: ready for clinical daily practice?[J]. Eur Radiol, 2020, 30(1): 308-319. DOI: 10.1007/s00330-019-06319-0.
[22]
李贝贝, 张浩南, 方鑫, 等. 不同压缩感知加速因子对头部3D-T1WI成像质量及基于体素的形态测量定量参数的影响[J]. 中国医学影像技术, 2022, 38(11): 1730-1734. DOI: 10.13929/j.issn.1003-3289.2022.11.031.
LI B B, ZHANG H N, FANG X, et al. Impacts of compressed sensing acceleration factors on imaging quality of head 3D-T1WI and voxel-based morphometry quantitative parameters[J]. Chin J Med Imag Technol, 2022, 38(11): 1730-1734. DOI: 10.13929/j.issn.1003-3289.2022.11.031.
[23]
LI J, WU L H, XU M Y, et al. Improving image quality and reducing scan time for synthetic MRI of breast by using deep learning reconstruction[J/OL]. Biomed Res Int, 2022, 2022: 3125426 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/36060133/. DOI: 10.1155/2022/3125426.
[24]
SUBHAS N. Editorial comment: accelerated joint MRI with deep learning-based reconstruction-a promising approach to increasing imaging speed without compromising image quality[J/OL]. AJR Am J Roentgenol, 2022, 218(3): 516 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/34585614/. DOI: 10.2214/AJR.21.26880.
[25]
TURKBEY B. Better image quality for diffusion-weighted MRI of the prostate using deep learning[J]. Radiology, 2022, 303(2): 382-383. DOI: 10.1148/radiol.212078.
[26]
严祥虎, 罗毅, 冉玲平, 等. 基于人工智能辅助压缩感知技术的高分辨率T2加权黑血序列在心肌水肿中的临床应用研究[J]. 磁共振成像, 2022, 13(6): 76-80, 97. DOI: 10.12015/issn.1674-8034.2022.06.015.
YAN X H, LUO Y, RAN L P, et al. Clinical application of high resolution myocardial T2-weighted dark blood sequence based on artificial intelligence assisted compressed sensing technique in myocardial edema[J]. Chin J Magn Reson Imag, 2022, 13(6): 76-80, 97. DOI: 10.12015/issn.1674-8034.2022.06.015.
[27]
KATSCHER U, BÖRNERT P. Parallel magnetic resonance imaging[J]. Neurotherapeutics, 2007, 4(3): 499-510. DOI: 10.1016/j.nurt.2007.04.011.
[28]
DEL GRANDE F, RASHIDI A, LUNA R, et al. Five-minute five-sequence knee MRI using combined simultaneous multislice and parallel imaging acceleration: comparison with 10-minute parallel imaging knee MRI[J]. Radiology, 2021, 299(3): 635-646. DOI: 10.1148/radiol.2021203655.
[29]
HAMILTON J, FRANSON D, SEIBERLICH N. Recent advances in parallel imaging for MRI[J/OL]. Prog Nucl Magn Reson Spectrosc, 2017, 101: 71-95 [2023-03-04]. https://pubmed.ncbi.nlm.nih.gov/28844222/. DOI: 10.1016/j.pnmrs.2017.04.002.
[30]
PIERRE E Y, GRODZKI D, AANDAL G, et al. Parallel imaging-based reduction of acoustic noise for clinical magnetic resonance imaging[J]. Invest Radiol, 2014, 49(9): 620-626. DOI: 10.1097/RLI.0000000000000062.
[31]
PADOLE A, SINGH S, ACKMAN J B, et al. Submillisievert chest CT with filtered back projection and iterative reconstruction techniques[J]. AJR Am J Roentgenol, 2014, 203(4): 772-781. DOI: 10.2214/AJR.13.12312.
[32]
MEISTER R L, GROTH M, JÜRGENS J H W, et al. Compressed SENSE in pediatric brain tumor MR imaging: assessment of image quality, examination time and energy release[J]. Clin Neuroradiol, 2022, 32(3): 725-733. DOI: 10.1007/s00062-021-01112-3.
[33]
马一鸣, 李茗, 张永杰. 压缩感知技术在胎儿颅脑MRI中的价值[J]. 中国临床研究, 2021, 34(5): 615-619. DOI: 10.13429/j.cnki.cjcr.2021.05.009.
MA Y M, LI M, ZHANG Y J. Value of compressed sensing technique in fetal brain magnetic resonance imaging[J]. Chin J Clin Res, 2021, 34(5): 615-619. DOI: 10.13429/j.cnki.cjcr.2021.05.009.

上一篇 磁共振T2对比剂Fe3O4@Cys的制备及新西兰兔活体成像研究
下一篇 压缩感知技术对乳腺T1高分辨率各向同性容积激发序列的成像影响及序列优化
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2