0 引言

       乳腺癌是女性最常见的癌症，也是女性癌症死亡的第二大原因^[1]。2022年全球有230万新发病例，死亡人数超过68.5万，中国乳腺癌的新发病例数约为42.1万，占所有新发癌症病例的15%左右^{[2, 3, 4]}。MRI具有高软组织分辨率、无辐射、多参数成像等优势^{[5, 6]}，在乳腺癌的检出、定性诊断、预后预测等方面显示出巨大潜力与应用价值^{[7, 8, 9]}。传统MRI序列包括动态对比增强（dynamic contrast-enhanced, DCE）、T2WI和扩散加权成像（diffusion weighted imaging, DWI）等序列^{[10, 11]}。由于临床标准成像序列的扫描时间较长，乳腺患者在俯卧位状态下容易受到心脏搏动和呼吸等因素的干扰，导致图像形态变形，并产生伪影。临床乳腺MRI扫描过程中，为了减少运动伪影，通常在图像信噪比（signal-to-noise ratio, SNR）和空间分辨率做出让步。鉴于此，提升MRI效率而不牺牲图像清晰度，已成为临床领域迫切需要攻克的难题^{[12, 13]}。

       K空间是MRI过程中使用的频率域数据，完整采集K空间数据通常需要大量时间，而欠采样则能够显著加快数据采集速度，但这可能导致图像质量下降和伪影增多。近年来深度学习重建（deep learning reconstruction, DLR）技术在MRI图像重建领域取得的重大突破，通过构建卷积神经网络（convolutional neural networks, CNN）处理欠采样的K空间数据有效去除噪声，能在缩短扫描时间的同时可以获得高SNR和边缘锐利的MRI图像^{[14, 15, 16]}。相关研究证实在膀胱、前列腺、骨骼及软组织等区域进行MRI时，相较于传统的成像序列，采用DLR技术所得到的图像在质量上有所提升，同时伪影现象得到了有效控制^{[17, 18, 19]}。此外，该技术在诊断准确性方面与标准成像序列保持了一致性。尽管乳腺MRI领域已取得显著进展，但关于多序列多参数MRI技术在加速数据采集流程中的应用，尤其是DLR技术在快速MRI中的潜在价值，目前的研究仍然相对有限，以往研究大多集中于单一参数或单一模态的优化^[20]，而对于如何在多序列、多参数的条件下，通过DLR实现整体数据采集流程的加速，尚缺乏系统性的研究。在临床应用中，DLR技术在多序列成像的优势无法充分发挥，限制了MRI在乳腺癌诊断中的应用效率。其次，在快速成像中，DLR技术的潜在价值尚未得到全面验证。虽然现有研究表明DLR在单一序列中的应用效果良好^{[16, 17]}，但在多参数条件下如何保持图像质量、减少伪影、提高分辨率等方面，仍有许多未解的问题。这一领域需要更多的研究来深入探讨其有效性和可行性。鉴于现有研究的局限性，本研究致力于采用前瞻性临床队列研究方法，综合运用传统的快速恢复快速自旋回波序列（fast recovery fast spin echo T2-weighted imaging, FRFSE）-T2WI序列与短时间反转恢复序列-扩散加权成像（short tau inversion recovery-diffusion weighted imaging, STIR-DWI）序列，全面评估DLR技术应用于乳腺MRI临床应用的适用性。此外，本研究将探究DLR技术在优化成像流程、减少采集时间以及提高乳腺图像质量方面的潜在能力。通过优化MRI乳腺检查效率，研究成果有望为临床诊疗决策、手术路径规划及术前风险评估提供更加精确的影像学依据，从而进一步提升患者的预后效果。

1 材料与方法

1.1 研究对象

       本研究遵守《赫尔辛基宣言》，并获得了中国医学科学院肿瘤医院伦理委员会批准（编号：NCC2023C-918），所有受试者均已签署知情同意书。前瞻性纳入2023年4月至2023年7月在本院接受乳腺MRI检查的患者，纳入标准：（1）临床医生根据患者既往病史、家族史、临床症状及相关检查初步诊断为乳腺肿瘤的女性患者；（2）患者检查序列完整，包括传统FRFSE-T2WI、STIR-DWI及使用DLR后的FRFSE-T2WI、STIR-DWI序列。

       排除标准：（1）MRI图像质量不满足分析的要求；（2）接受过乳腺区域性治疗的患者，例如局部放疗、化疗或乳腺组织的增生手术等；（3）乳腺植入物的患者。

1.2 检查方法和序列

       采用GE公司3.0 T SIGNA Premier磁共振扫描仪，8通道乳腺专用相控阵线圈。所有患者在MRI检查前，均接受MRI乳腺扫描的专业宣讲。采取俯卧位，确保双乳处于无压迫的状态下自然下垂至线圈中心。采用足先进方式，双臂前伸，使乳头位置与定位中心平齐。研究中采用的标准成像序列包括：横断面FRFSE-T2WI，STIR-DWI（b值为0和1000 s/mm²），横断面的多期动态对比增强成像以及冠状面的延迟期成像。对比剂采用钆喷酸葡胺（Gd-diethylenetriamine pentametric acid, Gd-DTPA）（北京北陆药业股份有限公司），注射剂量0.1 mmol/kg，流速为2.0 mL/s，通过肘部静脉利用高压注射器（Mallinckrodt，无锡宇寿医疗器械有限公司，无锡）进行快速注射，随后以2.0 mL/s的流速注入20 mL的生理盐水冲管。试验对照研究序列：横断位DLR快速FRFSE-T2WI序列和DLR快速STIR-DWI序列，GE公司开发的Recon DL软件（SIGNA Premier，GE, USA）被直接集成至MRI设备中，用于该序列乳腺图像的重建工作。本研究的扫描参数详见表1。

点击查看表格

表1  乳腺MRI的FRFSE-T2WI和STIR-DWI序列成像参数
Tab. 1  MRI parameters of the FRFSE-T2WI and STIR-DWI sequences

1.3 图像分析处理

1.3.1 主观评分

       所有图像传输至后处理工作站（GE ADW4.7）进行图像处理分析。由两位具有20年和22年诊断经验的主治医师（阅片者1）和主任医师（阅片者2）分别对FRFSE-T2WI和STIR-DWI的原始图像和采用DLR技术优化后的FRFSE-T2WI和STIR-DWI的整体图像质量、病灶显示清晰度和伪影进行主观评价。评分工作遵循双盲原则，通过影像归档和通信系统（picture archiving and communication systems, PACS）进行，以确保评估的客观性和公正性。由一位工作年限为10年主管技师负责监督图像数据的收集工作，并整理评估结果。研究过程中选取每位受试者最可疑的乳腺病变，且以病变直径最大感兴趣区（region of interest, ROI）作为评估对象。由两位资深的乳腺诊断组医师（医师A：22年诊断经验的主任医师；医师B：20年诊断经验的主治医师）独立地以随机顺序对以下序列进行评估：FRFSE-T2WI、DLR FRFSE-T2WI序列、STIR-DWI以及DLR STIR-DWI序列。评估指标包括图像伪影、整体图像质量和乳腺病变的可视化清晰度。在进行伪影的主观评分时，特别关注由生理活动如心脏搏动、胸腔和腹部的呼吸运动所引起的影响，采用5分制的图像质量主观评分标准进行量化^[21]。评价标准见表2。

点击查看表格

表2  乳腺MRI主观评价五分表
Tab. 2  Breast MRI subjective assessment 5-point scale

1.3.2 客观评价

       由于乳腺类型不同，选取乳腺腺体丰富及病灶显示最大层面分别进行测量。避开囊性、坏死及出血区域，选择病灶显示最大层面勾画面积16~23 mm²的ROI，选择异常强化病灶最大层面，分别放置ROI测量不同序列的病灶最大层面及健侧的正常腺体组织，多次测量取平均值。为了保证不同序列的ROI大小、位置一致，采用后处理乳腺对ROI进行复制、粘贴操作。客观评价的指标包括：乳腺病灶ROI的SNR和对比噪声比（contrast-to-noise ratio, CNR）。测量病灶和对侧正常乳腺组织的信号强度（signal intensity, SI）和背景噪声标准差（standard deviation, SD），测量沿着相位编码方向的空气背景SD。各参数计算公式见式（1）~（2）。

1.4 统计学分析

       采用SPSS 25.0（Version 25.0, Armonk）软件进行统计学分析，Shapiro-Wilk检验评价定量数值和主观评分的正态分布，不符合正态性分布的数据采用了Wilcoxon符号秩非参数检验来评估其统计学差异。采用Weighted-Kappa检验比较组间主观评分一致性，Kappa系数的评定标准如下：Kappa<0.20表示一致性较差；0.20≤Kappa<0.40表示一致性一般；0.40≤Kappa<0.60表示中等一致性；0.60≤Kappa<0.80表示一致性较好，P<0.05为差异具有统计学意义。

2 结果

2.1 研究对象

       本研究共纳入60例（60个病灶）患者，均为女性，年龄25~68（49.8±8.2）岁。

2.2 序列扫描时间

       本研究中FRFSE-T2WI序列的扫描时间为3 min 7 s，采用DLR技术加速的FRFSE-T2WI序列，其扫描时间显著缩短至1 min 34 s。与标准的乳腺FRFSE-T2WI相比较，采用DLR快速FRFSE-T2WI扫描时间缩短了47.8%。常规STIR-DWI序列扫描时间为1 min 45 s，DLR快速STIR-DWI扫描时间为55 s，时间缩短47.6%。采用DLR快速FRFSE-T2WI联合快速STIR-DWI序列的整体扫描时间缩短48.7%。

2.3 主观评分一致性

       在本研究中，所有受试者接受的FRFSE-T2WI标准序列、采用DLR技术的快速FRFSE-T2WI序列，以及STIR-DWI的标准和DLR加速序列均提供了清晰的图像，满足了对乳腺病变进行准确诊断的图像质量标准。两位高年资医师主观评分的组间的一致性结果为好，Kappa值范围为0.806~0.934（表3）。

点击查看表格

表3  两位医师对多序列多参数图像主观评分的一致性分析
Tab. 3  The consistency analysis of subjective evaluation scores for multi-sequence and multi-parametric images by two doctors

2.4 主观评价

       由两位资深诊断医师进行的主观评分一致性分析表明，传统的FRFSE-T2WI序列与采用DLR的快速FRFSE-T2WI序列在整体图像质量、图像伪影以及病变清晰度方面差异具有统计学意义。在常规STIR-DWI和DLR快速STIR-DWI的整体图像、病灶清晰度和图像伪影的差异有统计学意义（P<0.001）（表4）。

点击查看表格

表4  两组FRFSE-T2WI和STIR-DWI的主观评分比较
Tab. 4  Comparative analysis of the qualitative scores assigned to the FRSE-T2WI and STIR-DWI MRI protocols

2.5 客观评价

       常规乳腺MRI中FRFSE-T2WI和DLR快速FRFSE-T2WI图像客观评价结果为：SNR病灶分别为102.37（63.24，141.85）、132.37（77.25，218.62）；CNR病灶分别为2.87（6.35，57.01）、3.10（8.94，22.34）；当b值为1000 s/mm²时，常规STIR-DWI和DLR快速STIR-DWI图像客观评价结果为：SNR分别为197.34（157.01，202.52）、387.32（265.06，464.30）；CNR分别为1.86（0.96，3.23）、2.22（1.46，5.89）。统计分析结果表明DLR快速FRFSE-T2WI、DLR快速STIR-DWI在SNR和对比噪声比方面均明显高于常规FRFSE-T2WI及STIR-DWI序列（P<0.05）。详见表5和表6、图1。

点击查看大图

图1  女，56岁，病理证实为左侧乳腺癌。1A：FRFSE-T2WI；1B：STIR-DWI；1C：DLR FRFSE-T2WI；1D：DLR STIR-DWI; 1E:FRFSE-T2WI的肿瘤内部结构；1F：DLR FRFSE-T2WI的肿瘤内部结构；1G：STIR-DWI的肿瘤内部结构；1H：DLR STIR-DWI的肿瘤内部结构；1I：FRFSE-T2WI ROI勾画图，左侧乳腺在病变位置勾画ROI，同时在右侧正常乳腺上勾画同样大小的ROI；1J：DCE ROI勾画图，左侧乳腺在病变位置勾画ROI，同时在右侧正常乳腺上勾画同样大小的ROI。FRFSE：快速恢复快速自旋回波序列；STIR-DWI：短时间反转恢复序列-扩散加权成像；DCE：动态对比增强。
Fig. 1  A 56-year-old female, pathologically confirmed breast cancer. 1A: FRFSE-T2WI; 1B: STIR-DWI; 1C: DLR FRFSE-T2WI; 1D: DLR STIR-DWI; 1E: Internal structure of the tumor on FRFSE-T2WI; 1F: Internal structure of the tumor on DLR FRFSE-T2WI; 1G: Internal structure of the tumor on STIR-DWI; 1H: Internal structure of the tumor on DLR STIR-DWI; 1I: FRFSE-T2WI ROI delineation, with ROIs drawn at the lesion site of the left breast and a similar-sized ROI drawn on the right normal breast; 1J: DCE ROI delineation, with ROIs drawn at the lesion site of the left breast and a similar-sized ROI drawn on the right normal breast, and an ROI drawn on the normal fibroglandular tissue in the contralateral breast. FRFSE: fast recovery fast spin echo sequence; STIR-DWI: short tau inversion recovery sequence-diffusion weighted imaging; DCE: dynamic contrast-enhanced.

点击查看表格

表5  常规FRFSE-T2WI和DLR快速FRFSE-T2WI图像客观评价比较
Tab. 5  The objective evaluation results of DLR FRFSE T2WI images and clinical traditional FRFSE-T2WI images

点击查看表格

表6  常规STIR-DWI和DLR快速STIR-DWI图像客观评价比较
Tab. 6  The objective evaluation results of DLR STIR-DWI images and clinical traditional STIR-DWI images

3 讨论

       本前瞻性研究是国内首次探讨DLR技术在乳腺MRI中临床价值。本研究对比了常规FRFSE-T2WI与DLR优化的快速FRFSE-T2WI、STIR-DWI序列与DLR加速的STIR-DWI序列在扫描时间和乳腺图像质量方面的表现。结果表明，DLR技术的应用显著降低了FRFSE-T2WI序列的扫描时间，降幅达到了47.8%，DLR快速STIR-DWI扫描时间缩短46.7%，而DLR快速FRSE-T2WI联合快速STIR-DWI的整体图像扫描时间缩短48.7%。另外，DLR在乳腺MRI中展现出显著的图像质量提升效果，应用DLR的快速FRFSE-T2WI和STIR-DWI的SNR、CNR和整体图像质量分数明显高于常规序列。因此，DLR能在保证图像质量的前提下，显著提升乳腺MRI多个序列的扫描速度，从而缩短整体的扫描时间。随着该技术的发展，患者的医疗体验得到了显著改善，与此同时减轻了临床工作强度且提升了诊疗流程的效率。

3.1 DLR缩短T2WI扫描时间和优化图像质量

       并行采集技术虽能缩短扫描时间，可减少因采集时间增加而出现的运动伪影，但却会导致SNR的下降^[22]。DLR通过对海量原始数据中信号和噪声特征进行分析，充分识别信号及噪声，从而在图像重建前去除噪声及截断伪影，最终得到高SNR及高锐利度的图像^{[23, 24]}。广泛的研究已经证实，深度卷积神经网络模型经过大量拟合迭代优化后的DLR技术，在多个身体部位的MRI检查中具有显著应用价值，能有效减少图像噪声，消除截断伪影，并缩短扫描时间^{[25, 26, 27]}。最近的研究分析了DLR应用于前列腺MRI的效果，揭示了DLR技术能够将传统的轴向T2WI的扫描时间缩短至原来的35%^{[28, 29, 30]}。有研究调查了从K空间到图像的DLR在上腹部MRI中的可行性，相较于传统T2WI序列采用的脂肪抑制技术，应用基于K空间的DLR在肝脏的快速单次激发T2WI中，将采集时间大幅减少至原来的四分之一^{[31, 32]}。ESTLER等^[33]研究证实腰椎MRI T2WI中使用基于深度学习的图像重建技术，与标准成像技术相比可节省多达61%的时间，同时还提高了图像质量和诊断信心。本研究结果同样揭示了，在维持其他技术参数不变的前提下，DLR技术应用于FRFSE-T2WI序列时，相比于传统序列，成像时间得到了明显的优化，但扫描时间的缩短并没有对图像质量或诊断可信度产生不利影响。

3.2 DLR缩短DWI扫描时间和优化图像质量

       DWI可评估人体水分子的生理特征及功能状态，表观扩散系数（apparent diffusion coefficient, ADC）反映组织的生物学特征，比如细胞的性质及含水量^[34]。DWI扫描过程中受呼吸运动、体位以及设备条件干扰，使得DWI图像SNR减低，空间分辨率减低，导致ADC值测量可能会有误差^[35]。SAUER等^[36]研究探讨了基于深度学习的K空间到图像重建技术可将乳腺DWI的扫描时间缩短39%，且不会影响结构相似性，与之前报道的基于K空间的DLR用于上腹部MRI DWI的研究结果一致^[32]。BAE等^[37]报告称，在低b值和高b值DWI中，整体图像质量、实体器官边缘锐利度、肝脏血管轮廓以及噪声都有明显改善，同时减少了图像伪影。关于前列腺DWI的研究表明，基于图像的DLR DWI在高b值（1000、3000和5000 s/mm²）时可获得更高的定性图像评分^{[38, 39]}。这些结果意味着基于深度学习的重建算法在身体各部位DWI的临床应用中都具有明显潜力^[40]。另一项研究分析了在相同的图像采集时间和成像参数条件下，应用DLR技术对SNR和有线SNR的影响，结果证实，使用DLR技术的DWI能显著提高图像的SNR^[41]。本研究结果表明，在乳腺MRI扫描中使用基于DLR的快速STIR-DWI序列，不仅将扫描时间缩短了46.7%，而且在SNR和整体图像质量分数上也明显优于常规DWI图像。

3.3 局限性

       本项研究也具有一定的局限性：（1）本研究仅在单中心进行，这可能限制了研究结果的普遍适用性；（2）由于样本量相对较小，这可能影响统计分析的力度和结果；（3）由于本前瞻性研究进行时间尚短，纳入的研究序列仅仅在轴位平面的采集，研究序列仍需从不同平面多维度进行进一步的探索；（4）临床扫描应用过程中未探讨DLR技术对DWI定量参数ADC值的影响。未来将扩大样本量并对多平面多维度及定量参数方面进行进一步分析。

4 结论

       综上所述，与常规FRFES-T2WI和STIR-DWI相比，应用DLR的快速FRFES-T2WI和STIR-DWI在显著缩短扫描所需时间的同时，还能提供更高的SNR、CNR和更优的图像质量。DLR技术为乳腺癌患者提供了在较短时间内完成MRI的可能性。因此，DLR技术的应用潜力在于推动快速MRI序列在乳腺癌诊断中的临床应用，有望改善患者的诊疗体验并提高医疗机构的服务效率。