高速で動きに強い T2 強調前立腺 MRI のためのディープラーニング超解像度再構成

前立腺がんは、長年にわたって男性で最も一般的ながんの種類の 1 つであり、2020 年に新たに診断されたすべての症例の 7.8% を占め、肺がんに次ぐ第 2 位を占めています。 早期の非侵襲的診断は、前立腺のマルチパラメトリック MRI (mpMRI) によって大幅に改善され、臨床的に重要な前立腺癌を検出し、前立腺のガイド付き生検のベースラインを形成する一方で、前立腺特異抗原が上昇している患者の不要な生検を防ぐことができますが、目に見える傷はありません。 人口の高齢化に伴い、この増大する需要を満たすには、高速で効率的で高品質の MRI スキャンが必要です。 ディープラーニングによる画像再構成は、これらのタスクを解決して高品質の画像を生成し、取得時間を大幅に短縮することがますます重要になっています。

前立腺 mpMRI の標準的な取得プロトコルには、Prostate Imaging Reporting & Data System (PI-RADS) に従って前立腺病変を分類できるように、T2 強調、拡散強調、および動的造影シーケンスが含まれます。 前立腺の周辺ゾーンにおける PI-RADS スコアの割り当ては主に拡散強調画像によって決定されますが、T2 強調シーケンスは主に移行ゾーンの評価を担当します。 さらに、前立腺の徹底的な評価には、軸面および矢状面での T2 加重シーケンスの取得が必要であり、MRI プロトコルの取得時間を延長します。 短縮されたプロトコルの実装から拡散強調シーケンスの改善、または非デカルト T2 強調シーケンスの再構築のための圧縮センシングの使用に至るまで、画像取得を加速および改善するためにさまざまなアプローチが提案されています。 従来の取得および再構成方法に依存するこれらの方法に加えて、ディープラーニング (DL) 画像再構成は、これらのタスクを解決して、取得時間を大幅に短縮しながら高品質の画像を生成することがますます重要になっています。

それにもかかわらず、画像取得と前立腺 mpMRI 自体の再構成のプロセスのための信頼できる DL メソッドはまばらです。 DL ノイズ除去の最初のアプローチが確立され、従来のウェーブレット関数を効果的に置き換えましたが、残りの反復再構成サイクルは影響を受けず、PI-RADS スコアの診断パフォーマンスへの影響は不明のままです。 最近開発された超解像深層学習ネットワークは、この制限を克服することを約束しています。 さまざまなアプリケーションでの DL ノイズ除去の最初の結果。筋骨格系 MRI ではすでに良好な結果が得られており、高画質を維持しながら取得時間を大幅に短縮できます。 ただし、これらのノイズ除去 DL ネットワークを前立腺 mpMRI のより高度な超解像ネットワークと組み合わせて適用することは、まだ評価されていません。

この前向き研究では、2022 年 8 月から 11 月の間に、前立腺がんの疑いのある参加者が、標準の高解像度デカルト T2 (T2C) および非デカルト T2 (T2NC) シーケンスを使用した前立腺 MRI を受けました。 さらに、DL ノイズ除去と超解像度再構成を備えた低解像度デカルト T2 TSE (T2SR) が取得されました。 アーティファクト、画像の鮮明さ、病変の目立ちやすさ、カプセルの描写、全体的な画質、および診断の信頼性は、5 段階のリッカート スケールで評価され、5 は非診断的であり、5 は優良でした。 見かけの信号対雑音比 (aSNR)、コントラスト対雑音比 (aCNR)、およびエッジ上昇距離 (ERD) が計算されました。 グループ比較には、フリードマン検定と一元配置分散分析が使用されました。 PI-RADS スコアの一致については、Cohen のカッパと比較しました。