人工智能技术浪潮席卷全球各行各业。在磁共振的数据采集、重建、标准化操作、后处理和辅助诊断中，人工智能都带来了巨大的变革。
吉林大学中日联谊医院的研究团队利用联影uAIFI平台的智能光梭成像技术（AI-assisted compressed sensing, ACS），以人工智能为核心，融合了并行采集、半傅里叶采集、压缩感知，实现磁共振成像的加速，并评估了ACS技术应用于腰椎磁共振检查时对图像质量和成像速度的提升效果。相关研究成果在Journal of Pain Research发表。
磁共振成像（MRI）因其生物安全性好、软组织分辨率高和功能成像能力优秀的特点，被广泛用于评估脊柱疾病，如椎间盘突出、骨折、腰椎退行性变和椎体血管瘤。然而，磁共振成像的采集时间相对较长，腰痛患者由于背部疼痛很难在检查过程中保持静止，这将导致运动伪影，进而对成像质量和准确诊断产生负面影响。因此，在临床应用中迫切需要快速磁共振成像。随着磁共振检查场景的丰富和需求的提升，GRAPPA等经典加速技术的加速效率不能完全满足临床需求。一些旨在加速磁共振成像检查的新兴技术，如多层同时激发成像、压缩感知成像等，可用于3D成像、功能成像、动态心血管和血管成像加速。然而对于脊柱磁共振成像，2D成像依然是主流扫描模式。近年来，随着人工智能（AI）的快速发展，卷积神经网络（CNN）展现了其在加速MRI方面的强大潜力。以人工智能为核心的ACS技术在临床检查中显示出巨大的应用潜力。ACS将深度CNN（卷积神经网络）与常规加速策略（包括压缩感知、半傅里叶采集和并行采集）相结合，在获得令人满意的图像质量的同时，还大大提高了加速效率。本次研究在上海联影医疗科技股份有限公司生产的3.0T磁共振上进行。研究将符合条件的受试者分为两组：第一组纳入82名健康受试者和213名患者，使用二维ACS 加速序列行腰椎磁共振检查；第二组纳入95名健康受试者和234名患者，使用常规二维序列进行检查。检查序列包括轴向T2WI、矢状位T2WI、T1WI和T2WI FS，扫描参数见表1。ACS加速序列的采集时间总共为7分40秒，与常规序列的9分27秒相比明显缩短，如表2所示。表1. ACS加速序列和常规序列的扫描参数对获得的所有图像划定ROI计算SNR与CNR，进行定量分析。同时由2名经验丰富的放射科医生分别从整体图像质量、解剖结构对比度、解剖清晰度、脑脊液(CSF)流动伪影、脂肪抑制均匀性（仅T2WI FS序列）几个方面进行独立评分，对所有图像质量进行分级评价。上述评估值之间的差异通过 Wilcoxon 符号秩检验进行统计学意义分析。两名放射科医生图像质量评分的观察者间一致性采用Cohen's kappa相关系数进行评价。
定量评估比较：ACS加速序列和常规二维序列在选定组织中的SNR和CNR基本相同，各组的SNR和CNR测量值之间没有统计学意义上的显著差异（均为 p>0.05），如图1所示。图1、ACS加速序列和常规序列腰椎图像的SNR与CNR对比
诊断效能：如图2所示，ACS加速序列和常规 2D 序列的图像质量（整体图像质量、解剖结构对比度、解剖清晰度、脑脊液 （CSF） 流动伪影、脂肪抑制均匀性）之间没有显著差异（均为 p>0.05），但ACS 加速序列的图像可以显著减少伪影。
图2. ACS加速序列与常规序列所得腰椎图像质量的定性分析结果
如图3所示，图A为一名75岁女性患者使用ACS加速序列所得图像，图像清晰无伪影；图B为一名76岁女性患者常规T2序列所得图像，蓝色箭头处有明显伪影。同时图A中应用ACS技术的图像清晰锐利，与图B中黄色箭头所示处对比明显。图3. 75岁女性患者ACS加速序列 (A)与另一76岁女性患者常规T2WI FS序列(B)图像示例同时研究结果表明，2D ACS加速序列与常规序列在腰椎病变诊断方面无统计学差异，表明ACS加速序列和常规序列对腰椎疾病的诊断准确性相似。此外，对于ACS加速序列和常规序列，两位放射科医生在图像质量评价方面的一致性接近完美。
在肌肉骨骼 MRI 中，疼痛或活动受限的患者可能难以维持最佳成像位置。同时，肌肉骨骼成像需要极高的分辨率、清晰度和图像质量。加速采集有可能最大限度地减少重复序列和由于图像质量差而导致的患者召回需求。ACS 加速序列集成了四种有效的加速成像技术，这些技术相辅相成，可以有效节省成像时间，实现成像质量与扫描速度的平衡。同时，与纯人工智能加速方法相比，ACS成像的真实可靠性也有所提高。对于背痛患者来说，ACS 已经成为一种备受期待的腰椎常规检查技术，有效保证高质量的图像的同时，缩短了扫描时间。值得注意的是，目前ACS加速序列已应用于临床多部位成像，并取得了令人满意的结果。联影磁共振ACS智能光梭技术，无缝融合人工智能（AI）、压缩感知、并行采集和半傅里叶采集四大类加速技术，深度融合现有技术优势，突破传统加速技术极限。同时，ACS综合利用了所有先验知识，以全方位的信息整合，实现了高加速倍数扫描场景下欠采数据的高质量恢复。ACS技术还可以与DeepRecon智能深度重建技术联用。DeepRecon技术将AI应用于图像重建阶段，对磁共振信号进行 K 空间层面的数据提纯，在不增加扫描时间的情况下实现高信噪比和高分辨率的成像。ACS和DeepRecon以AI赋能磁共振数据采集和图像重建全影像链，确保磁共振成像的高清、快速实现。
[1] He Sui, Yu Gong, Lin Liu, Zhongwen Lv,
Yunfei Zhang, Yongming Dai & Zhanhao Mo (2023) Comparison of Artificial
Intelligence-Assisted Compressed Sensing (ACS) and Routine Two-Dimensional
Sequences on Lumbar Spine Imaging, Journal of Pain Research, 16:, 257-267, DOI:
10.2147/JPR.S388219
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
