Evaluatie van een vrij ademende cardiale cine-MRI-sequentie met beeldreconstructies door deep-learning bij ischemische hartziekte (CINEDL)

Tegenwoordig is MRI de gouden standaard voor de nauwkeurige beoordeling van het volume en de functie van het linkerventrikel, maar heeft het nadeel dat het een lange acquisitietijd heeft en bewegingsartefacten genereert, met name ademhalingsartefacten, waardoor herhaalde sequenties in apneu nodig zijn om het hele hartvolume te dekken. . Deze apneu's zijn moeilijk te bereiken bij patiënten met ischemische hartziekte en kunnen leiden tot verslechtering van de beelden, een verlenging van de duur van het onderzoek door herhaalde acquisities en daardoor tot diagnostische onnauwkeurigheden.

Kunstmatige intelligentie, al in de praktijk gebruikt in cardiale MRI voor automatische segmentatie van de hartkamers, verbetert de radiologische interpretatie met snelle en nauwkeurige metingen. Diep leren, dat deel uitmaakt van kunstmatige intelligentie, zou de reconstructie van cine-MRI-sequenties in vrije ademhaling mogelijk maken, om de artefacten van ademhalingsbewegingen te overwinnen en de diagnostische prestaties te verbeteren terwijl de onderzoeksomstandigheden voor patiënten worden verbeterd.

Patiënten die komen voor een cardiale MRI voor de beoordeling van ischemische hartziekte komen in aanmerking voor het protocol. Als de patiënt ermee instemt om deel te nemen, wordt een vrij ademende cardiale cine-MRI-sequentie met op Deep Learning gebaseerde beeldreconstructie aan het gebruikelijke protocol toegevoegd.

Er is geen follow-up nodig in dit onderzoek.