LAVA HyperSense and deep-learning reconstruction for near-isotropic (3D) enhanced magnetic resonance enterography in patients with Crohn’s disease: utility in noise reduction and image quality improvement
Notice bibliographique
Résumé
This study aimed to compare near-isotropic contrast-enhanced T1-weighted (CE-T1W) magnetic resonance enterography (MRE) images reconstructed with vendor-supplied deep-learning reconstruction (DLR) with those reconstructed conventionally in terms of image quality. METHODSA total of 35 patients who underwent MRE for Crohn's disease between August 2021 and February 2022 were included in this retrospective study.The enteric phase CE-T1W MRE images of each patient were reconstructed with conventional reconstruction and no image filter (original), with conventional reconstruction and image filter (filtered), and with a prototype version of AIR TM Recon DL 3D (DLR), which were then reformatted into the axial plane to generate six image sets per patient.Two radiologists independently assessed the images for overall image quality, contrast, sharpness, presence of motion artifacts, blurring, and synthetic appearance for qualitative analysis, and the signal-to-noise ratio (SNR) was measured for quantitative analysis. RESULTSThe mean scores of the DLR image set with respect to overall image quality, contrast, sharpness, motion artifacts, and blurring in the coronal and axial images were significantly superior to those of both the filtered and original images (P < 0.001).However, the DLR images showed a significantly more synthetic appearance than the other two images (P < 0.05).There was no statistically significant difference in all scores between the original and filtered images (P > 0.05).In the quantitative analysis, the SNR was significantly increased in the order of original, filtered, and DLR images (P < 0.001). CONCLUSION Using DLR for near-isotropic CE-T1W MRE improved the image quality and increased the SNR. KEYWORDSCrohn's disease, MR enterography, image quality, deep learning, noise reduction C rohn's disease (CD) is a chronic bowel inflammatory disease characterized by transmural discontinuous asymmetric inflammation that affects the bowel wall and is frequently accompanied by extramural complications.1,2 Cross-sectional imaging plays an important role in CD diagnosis and monitoring.As CD often presents in young populations who require repeat imaging during their lifetimes, 3,4 magnetic resonance enterography (MRE) is preferred because of its high-contrast resolution, multiple imaging parameters, and lack of ionizing radiation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».