Utvärdering av en friandande hjärt-Cine-MRI-sekvens med bildrekonstruktioner genom djupinlärning vid ischemisk hjärtsjukdom (CINEDL)

Idag är MRT guldstandarden för den exakta bedömningen av vänsterkammarvolym och funktion, men uppvisar nackdelen med att ha en lång insamlingstid och att generera rörelseartefakter, särskilt andningsartefakter, som kräver upprepade sekvenser i apné för att täcka hela hjärtvolymen . Dessa apnéer är svåra att uppnå hos patienter med ischemisk hjärtsjukdom och kan leda till försämring av bilderna, en ökning av undersökningens varaktighet genom upprepade förvärv och därför till diagnostiska felaktigheter.

Artificiell intelligens, som redan används i praktiken vid hjärt-MR för automatisk segmentering av hjärtkamrarna, förbättrar radiologisk tolkning med snabba och exakta mätningar. Deep-learning, som är en del av artificiell intelligens, skulle möjliggöra rekonstruktion av film-MRI-sekvenser i fri andning, för att övervinna artefakter från andningsrörelser, och förbättring av diagnostisk prestanda samtidigt som undersökningsförhållandena för patienter förbättras.

Patienter som kommer för en hjärt-MRT för bedömning av ischemisk hjärtsjukdom kommer att vara berättigade till protokollet. Om patienten går med på att delta, kommer en friandande hjärt-cine-MRI-sekvens med Deep Learning-baserad bildrekonstruktion att läggas till det vanliga protokollet.

Ingen uppföljning kommer att krävas i denna studie.