Rekonstrukcja głębokiego uczenia w superrozdzielczości dla szybkiego i odpornego na ruch T2-ważonego rezonansu magnetycznego prostaty

Rak prostaty od lat należy do najczęściej występujących nowotworów u mężczyzn, odpowiadając za 7,8% wszystkich nowo zdiagnozowanych przypadków w 2020 roku, zajmując 2. miejsce zaraz po raku płuca. Wczesna i nieinwazyjna diagnostyka została znacznie udoskonalona dzięki wieloparametrycznemu rezonansowi magnetycznemu (mpMRI) gruczołu krokowego, wykrywającemu klinicznie istotnego raka prostaty i tworzącemu punkt odniesienia dla sterowanej biopsji gruczołu krokowego. brak widocznych uszkodzeń. Wraz ze starzeniem się społeczeństwa potrzebne są szybkie, wydajne i wysokiej jakości skany MRI, aby zaspokoić to rosnące zapotrzebowanie. Głębokie uczenie się rekonstrukcji obrazu staje się coraz ważniejsze w rozwiązywaniu tych zadań w celu uzyskania obrazów o wysokiej jakości przy jednoczesnym drastycznym skróceniu czasu akwizycji.

Standardowe protokoły akwizycji mpMRI gruczołu krokowego obejmują sekwencje ważone T2, ważone dyfuzją i dynamicznie wzmacniane kontrastem, aby umożliwić klasyfikację zmian gruczołu krokowego zgodnie z Prostate Imaging Reporting & Data System (PI-RADS). Podczas gdy przypisanie wyniku PI-RADS w strefie obwodowej gruczołu krokowego jest głównie określane przez obrazowanie ważone dyfuzją, sekwencje ważone T2 są głównie odpowiedzialne za ocenę strefy przejściowej. Ponadto dokładna ocena stercza wymaga akwizycji sekwencji T2-zależnych w płaszczyźnie osiowej i strzałkowej, co wydłuża czas akwizycji protokołów MRI. Zaproponowano różne podejścia w celu przyspieszenia i ulepszenia akwizycji obrazu, począwszy od implementacji skróconych protokołów po ulepszenie sekwencji ważonych dyfuzją lub wykorzystanie skompresowanego wykrywania do rekonstrukcji niekartezjańskich sekwencji ważonych T2. Oprócz tych metod, które opierają się na tradycyjnych metodach akwizycji i rekonstrukcji, rekonstrukcja obrazu z głębokim uczeniem (DL) staje się coraz ważniejsza w rozwiązywaniu tych zadań w celu uzyskania obrazów o wysokiej jakości przy drastycznym skróceniu czasu akwizycji.

Mimo to niezawodne metody DL dla procesu akwizycji obrazu i rekonstrukcji samego mpMRI prostaty są nieliczne. Chociaż ustalono pierwsze podejścia do odszumiania DL, skutecznie zastępując konwencjonalną funkcję falkową, pozostała część iteracyjnego cyklu rekonstrukcji pozostaje niezmieniona, a wpływ na wydajność diagnostyczną wyniku PI-RADS pozostaje niejasny. Niedawno opracowane sieci głębokiego uczenia o super rozdzielczości obiecują przezwyciężenie tego ograniczenia. Pierwsze wyniki odszumiania DL w różnych zastosowaniach, m.in. w MRI układu mięśniowo-szkieletowego wykazują już dobre wyniki, prowadząc do znacznego przyspieszenia czasu akwizycji przy zachowaniu wysokiej jakości obrazu. Jednak zastosowanie tych odszumiających sieci DL w połączeniu z bardziej zaawansowanymi sieciami o super rozdzielczości w mpMRI prostaty nie zostało jeszcze ocenione.

W tym badaniu prospektywnym, między sierpniem a listopadem 2022 r., uczestnicy z podejrzeniem raka prostaty przeszli MRI prostaty ze standardowymi sekwencjami kartezjańskimi T2 (T2C) i niekartezjańskimi T2 (T2NC) o wysokiej rozdzielczości. Dodatkowo uzyskano kartezjański T2 TSE (T2SR) o niskiej rozdzielczości z odszumianiem DL i rekonstrukcją w super rozdzielczości. Artefakty, ostrość obrazu, widoczność zmiany chorobowej, zarys torebki, ogólna jakość obrazu i pewność diagnostyczna zostały ocenione w 5-punktowej skali Likerta, przy czym ocena była niediagnostyczna, a 5 oznaczała znakomitą. Obliczono pozorny stosunek sygnału do szumu (aSNR), stosunek kontrastu do szumu (aCNR) i odległość narastania krawędzi (ERD). Do porównań grup wykorzystano test Friedmana i jednoczynnikową ANOVA. Pod względem zgodności wyników PI-RADS porównano z Kappa Cohena.