Diagnostisk udbytte af Deep Learning Baseret Denoising MRI i Cushings sygdom

Påvisning af ACTH-producerende mikroadenom i MRI er vigtig for at etablere diagnosen Cushings sygdom og kan gøre det muligt for patienter at undgå yderligere diagnostiske tests såsom inferior petrosal sinus prøvetagning. Påvisning af ACTH-producerende mikroadenom i MRI forbliver dog en diagnostisk udfordring på grund af dens lille størrelse med dens mediandiameter på 5 mm. Mange forsøg er blevet gjort for at forbedre følsomheden ved påvisning af ACTH-producerende mikroadenom. Det er generelt accepteret som standard klinisk praksis at udføre dynamisk kontrastforstærket T1-vægtet billede for at afgrænse forsinket forstærkende mikroadenonom sammenlignet med baggrundsforøgelsen af ​​den normale kirtel. På trods af disse forsøg kan negative MR-fund forekomme i op til 40 % af tilfældene af ACTH-producerende mikroadenomer, og der er behov for at forbedre dets påvisningshastighed. Teoretisk set burde udførelse af tynde skivetykkelsesscanninger hjælpe med at opdage læsionen, men dette er uundgåeligt ledsaget af øget støjniveau. Deep learning baseret denoising-algoritme kan anvendes til at reducere støjniveauet og potentielt øge detektionshastigheden af ​​ACTH-producerende mikroadenomer. Formålet med undersøgelsen er at evaluere, om detektion af ACTH-producerende mikroadenomer kan øges ved hjælp af deep learning baseret denoising MRI.