Deep-Learning-Based Reconstruction of Single-Breath-Hold 3 mm HASTE Improves Abdominal Image Quality and Reduces Acquisition Time: A Quantitative Analysis
Notice bibliographique
Résumé
Purpose: Breath-hold T2-weighted half-Fourier acquisition single-shot turbo spin echo (HASTE) magnetic resonance imaging (MRI) of the upper abdomen with a slice thickness below 5 mm suffers from high image noise and blurring. The purpose of this prospective study was to improve image quality and accelerate imaging acquisition by using single-breath-hold T2-weighted HASTE with deep learning (DL) reconstruction (DL-HASTE) with a 3 mm slice thickness. Method: MRI of the upper abdomen with DL-HASTE was performed in 35 participants (5 healthy volunteers and 30 patients) at 3 Tesla. In a subgroup of five healthy participants, signal-to-noise ratio (SNR) analysis was used after DL reconstruction to identify the smallest possible layer thickness (1, 2, 3, 4, 5 mm). DL-HASTE was acquired with a 3 mm slice thickness (DL-HASTE-3 mm) in 30 patients and compared with 5 mm DL-HASTE (DL-HASTE-5 mm) and with standard HASTE (standard-HASTE-5 mm). Image quality and motion artifacts were assessed quantitatively using Laplacian variance and semi-quantitatively by two radiologists using five-point Likert scales. Results: In the five healthy participants, DL-HASTE-3 mm was identified as the optimal slice (SNR 23.227 ± 3.901). Both DL-HASTE-3 mm and DL-HASTE-5 mm were assigned significantly higher overall image quality scores than standard-HASTE-5 mm (Laplacian variance, both p < 0.001; Likert scale, p < 0.001). Compared with DL-HASTE-5 mm (1.10 × 10−5 ± 6.93 × 10−6), DL-HASTE-3 mm (1.56 × 10−5 ± 8.69 × 10−6) provided a significantly higher SNR Laplacian variance (p < 0.001) and sharpness sub-scores for the intestinal tract, adrenal glands, and small anatomic structures (bile ducts, pancreatic ducts, and vessels; p < 0.05). Lesion detectability was rated excellent for both DL-HASTE-3 mm and DL-HASTE-5 mm (both: 5 [IQR4–5]) and was assigned higher scores than standard-HASTE-5 mm (4 [IQR4–5]; p < 0.001). DL-HASTE reduced the acquisition time by 63–69% compared with standard-HASTE-5 mm (p < 0.001). Conclusions: DL-HASTE is a robust abdominal MRI technique that improves image quality while at the same time reducing acquisition time compared with the routine clinical HASTE sequence. Using ultra-thin DL-HASTE-3 mm results in an even greater improvement with a similar SNR.
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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».