동기: 제로 에코 시간(ZTE) MRI는 짧은 T2 종을 이미징할 수 있도록 하여 폐 실질 이미징에 선호되는 옵션이 됩니다. 가속된 임상 프로토콜에서는 작은 및 확산된 구조가 소음, 링잉 또는 화학적 이동 아티팩트에 의해 가려질 수 있습니다. 목표: ZTE 폐 이미지에서 신호 대 잡음비(SNR), 대비 대 잡음비(CNR) 개선 및 링잉과 화학적 이동 아티팩트 감소를 위한 딥 러닝(DL)-ZTE 재구성의 실행 가능성과 유용성을 평가합니다. 접근법: 건강한 자원봉사자와 간질성 폐 질환 환자의 ZTE 폐 이미지에서 DL-ZTE 모델을 테스트합니다. 결과: DL-ZTE 이미지는 SSIM을 보존하고 아티팩트를 제거하며 폐에서 SNR 및 CNR 지표를 크게 개선했습니다. 영향: DL-ZTE 모델은 아티팩트를 줄이고 SNR을 개선하면서 해부학적 정확성을 유지하여 ZTE 폐 이미징 응용 프로그램에서 실질 이상에 대한 보다 정확하고 신뢰할 수 있는 임상 평가를 촉진하여 폐 MRI 품질을 크게 향상시킵니다.
Arcos et al. (화요일,) 이 질문을 연구했습니다.