來源：磁共振成像傳媒
直腸癌是常見的消化道惡性腫瘤之一，近年來，直腸癌在我國的發(fā)病率顯著上升，從1972年的2.75增加到2019年的19.39（每10萬人），因此直腸癌的篩查與治療顯得尤為重要。直腸MRI具有較高的軟組織分辨率，在病變定位、解剖關(guān)系、準確的術(shù)前臨床分期以及評估手術(shù)效果中起著至關(guān)重要的作用，可以促進有效治療策略的制訂。
在直腸MRI檢查中多方位多對比度的成像是必不可少的，包括T1WI、T2WI、T2WI抑脂（fat saturated, FS）以及彌散加權(quán)成像（diffusion weighted imaging, DWI），其中快速自旋回波序列（turbo spin-echo, TSE）序列因其高病灶信噪比（signal to noise ratio,SNR）和高空間分辨率而成為標準序列。然而，直腸MRI的TSE序列因其較長的采集時間容易受到腸蠕動引起的運動偽影和腸氣－組織界面的磁感偽影影響。已有幾種方法被用于緩解這些偽影，例如對前體壁皮下脂肪應用飽和帶、傳統(tǒng)的平面內(nèi)平行成像（parallel imaging, PI）方法以及抗膽堿能藥物的使用。然而，在實踐中PI雖然減少了相位編碼數(shù)以縮短采集時間，但是會導致SNR的降低，并可能使噪音增強或產(chǎn)生偽影。深度學習重建（deep learning reconstruction, DL Recon）技術(shù)出現(xiàn)之前，用于減少MRI掃描時間的技術(shù)有壓縮傳感（compressive sensing, CS）和并行采集成像等，盡管這些方法取得了一定的效果，但在高加速因子下仍面臨噪聲和偽影問題，可能會導致重建速度慢和重建圖像質(zhì)量不高，這些問題限制了這些技術(shù)在臨床應用中的進一步推廣和使用。
DL Recon技術(shù)是一種利用深度學習（deep learning, DL）技術(shù)從欠采樣的K空間數(shù)據(jù)中重建高質(zhì)量MRI圖像的方法，有望在提高SNR及對比噪聲比（contrast-to-noise ratio,CNR）的同時實現(xiàn)更高的加速因子。因此，我們假設DL-TSE序列可以生成與臨床傳統(tǒng)TSE序列圖像相似的圖像質(zhì)量。此外，在更高的加速倍數(shù)和更低的平均次數(shù)下，TSE圖像采集時間也可以顯著減少。因此，國家癌癥中心/國家腫瘤臨床醫(yī)學研究中心/中國醫(yī)學科學院北京協(xié)和醫(yī)學院腫瘤醫(yī)院影像診斷科張紅梅主任醫(yī)師團隊研究旨在評估使用了DL Recon縮短圖像采集時間并提高圖像質(zhì)量的TSE序列應用于臨床直腸MRI檢查的可行性。
【胡思潔,范文文,滕澤,等.基于深度學習重建和傳統(tǒng)TSE序列在直腸癌磁共振檢查的對比研究[J].磁共振成像,2024,15(10):30-35.
DOI：10.12015/issn.1674-8034.2024.10.006】
（作者：范文文，滕澤，劉侃，童曉婉，江岳孌，劉鵬，郎宇，Nickel MarcelDominik，張紅梅）
點擊此處“閱讀原文”可查看詳細內(nèi)容；關(guān)注“磁共振成像傳媒”公眾號與《磁共振成像》雜志共同成長！
張紅梅 主任醫(yī)師
張紅梅，博士研究生，主任醫(yī)師，中國醫(yī)學科學院腫瘤醫(yī)院影像診斷科副主任。
專業(yè)特長：腹部與神經(jīng)系統(tǒng)腫瘤影像診斷
社會兼職：中國研究型醫(yī)院學會腫瘤影像專委會常委/秘書長，中華醫(yī)學會放射學分會腹部學組委員，中國抗癌協(xié)會腫瘤影像專委會委員，中國醫(yī)師協(xié)會結(jié)直腸腫瘤專委會委員，中國抗癌協(xié)會腫瘤人工智能專委會委員，中國抗癌協(xié)會神經(jīng)腫瘤專委會委員， 中國醫(yī)療保健國際交流促進會結(jié)直腸專委會常委、科普分會常委。
獲得成果/獎項：主持國家自然科學基金面上項目、首都臨床特色應用研究、首都醫(yī)學發(fā)展科研基金、中國醫(yī)學科學院創(chuàng)新工程重點項目等多項課題。以第一作者或通訊作者在包括等高水平期刊發(fā)表科研論文近50篇。獲“教育部科技進步二等獎”“華夏醫(yī)學科技二等獎”。
推薦閱讀
1.深度學習MRI重建算法臨床應用新進展述評
嚴福華
【磁共振成像 2024年10期】
深度學習重建（deeplearning reconstruction, DLR）算法逐步成熟，已經(jīng)成為MRI圖像重建領(lǐng)域最為前沿的技術(shù)，隨著DLR算法的不斷優(yōu)化和模型泛化性的提升，適用范圍越來越廣，在優(yōu)化臨床流程、提升圖像質(zhì)量以及疾病...
出版日期： 2024年10月
2.基于磁共振深度學習圖像重建算法的心肌延遲強化在未識別心肌梗死中的應用
陸雪芳 閆玉辰 龔威 權(quán)光南 劉薇音 查云飛
【磁共振成像 2024年10期】
目的 探討基于磁共振深度學習重建（deep learning reconstruction,DLR）算法的心肌延遲強化（lategadolinium enhancement, LGE）提高臨床未識別心肌梗死（unrecognizedmyocardial infarction, UMI）患者識別率...
出版日期： 2024年10月
3.基于深度學習的圖像重建在提高顳下頜關(guān)節(jié)MRI圖像質(zhì)量中的初步應用研究
王春杰 單藝 張越 武春雪 劉燦 王靜娟 吳濤 葛獻鵬 盧潔
【磁共振成像 2024年10期】
目的 探討深度學習重建（deep learning reconstruction,DLR）技術(shù)在提高顳下頜關(guān)節(jié)MRI快速自旋回波-質(zhì)子密度加權(quán)成像（fast-spinecho proton density weighted imaging, FSE-PD）圖像質(zhì)量及縮短掃描時間中的應用...
出版日期： 2024年10月
4. 基于深度學習重建的擴散加權(quán)成像在肺部病變良惡性鑒別中的應用價值
李婕 夏藝 徐美玲 林曉青 姜松 代建昆 蔣欣昂 孫光遠 劉士遠 范麗
【磁共振成像 2024年10期】
目的 評估深度學習重建（deep learning reconstruction,DLR）對肺部擴散加權(quán)成像（diffusionweighted imaging, DWI）圖像質(zhì)量的影響，并探討DLR在肺部良惡性病變鑒別診斷中的價值。 材料與方法 前瞻性招募61例...
出版日期： 2024年10月
5.基于DCE-MRI圖像深度學習模型鑒別診斷乳腺良惡性腫瘤的價值分析
羅文斌 鄭曄 劉欣 王蕾 段少銀
【磁共振成像 2024年10期】
目的 探討基于動態(tài)對比增強磁共振成像（dynamic contrast-enhancedmagnetic resonance imaging, DCE-MRI）圖像深度學習模型鑒別診斷乳腺良惡性腫瘤的價值。 材料與方法 回顧性分析2018年9月至2022年12月廈門醫(yī)學...
出版日期： 2024年10月
6.基于深度學習重建擴散加權(quán)成像圖像評估甲狀腺相關(guān)性眼病的活動性
王云夢 崔園園 倪雙爽 代建昆 萬欣怡 陳歆 姜沁伶 程宇欣 張?zhí)烊?馬宜傳 蕭毅
【磁共振成像 2024年10期】
目的 探討深度學習重建（deep learning reconstruction,DLR）擴散加權(quán)成像（diffusionweighted imaging, DWI）圖像在甲狀腺相關(guān)性眼病（thyroid-associatedophthalmopathy, TAO）活動期與非活動期評估中的價值...
出版日期： 2024年10月
7.深度學習重建技術(shù)在乳腺MRI圖像質(zhì)量優(yōu)化中的應用研究
范文文 馮倩倩 李二妮 劉侃 權(quán)光南 王鵬 盧銅鎖 胡思潔 郎宇 張紅梅
【磁共振成像 2024年10期】
目的 評估深度學習重建技術(shù)（deep learning reconstruction,DLR）在提升乳腺多序列、多參數(shù)MRI圖像質(zhì)量中的應用價值。 材料與方法 前瞻性納入60例病理診斷為乳腺癌的初診患者（60個病灶），分別行乳腺MRI常規(guī)快...
出版日期： 2024年10月
8.基于深度學習重建的卵巢高分辨單次激發(fā)快速自旋回波MRI在卵泡計數(shù)中的應用研究
楊仁杰 鄒宇潔 劉薇音 劉昌盛 文之 李亮 查云飛
【磁共振成像 2024年10期】
目的 與經(jīng)陰道超聲（transvaginal ultrasonography,TVUS）以及常規(guī)算法重建（conventionalreconstruction, CR）的高分辨單次激發(fā)快速自旋回波（single-shotfast spin-echo, SSFSE）和螺旋槳...
出版日期： 2024年10月
9.MRI影像組學和深度學習在前列腺癌中的研究進展
劉嘉睿 吳慧 劉娜 高凱華 楊姣
【磁共振成像 2024年05期】
前列腺癌（prostatecancer, Pca）是男性泌尿生殖系統(tǒng)最常見的惡性腫瘤之一，其發(fā)病率逐年上升，因此Pca早期診斷、病理分級、風險分層和預后評估對患者診療計劃的制訂至關(guān)重要。近年來影像組學和深度學習...
出版日期： 2024年05月
10.基于注意力機制和MRI的深度學習模型預測中軸型脊柱關(guān)節(jié)炎骶髂關(guān)節(jié)新骨形成進展
李翊 宋麗文 趙英華
【磁共振成像 2024年05期】
目的 探討基于注意力機制的深度學習（deep learning, DL）模型在骶髂關(guān)節(jié)（sacroiliac joint, SIJ）MRI冠狀位T1序列圖像預測中軸型脊柱關(guān)節(jié)炎（axial spondylarthritis, axSpA）患者新骨形成進展的臨床價值。 材...
出版日期： 2024年05月
編輯：江 俊
初審：張 琴
復審：王志強
終審：賀光軍
版權(quán)聲明
磁共振成像傳媒提倡尊重和保護知識產(chǎn)權(quán)。歡迎轉(zhuǎn)載，但需取得本平臺書面授權(quán)許可。歡迎轉(zhuǎn)發(fā)微信朋友圈或微信群，歡迎合理引用。如您對文章內(nèi)容版權(quán)存疑，請發(fā)郵件至editor@cjmri.cn，我們將與您及時溝通處理。本平臺內(nèi)容僅供參考、學習使用，不為盈利且不作為醫(yī)療、診斷依據(jù)。
歡迎點贊 收藏 分享返回搜狐，查看更多
責任編輯：
