JOURNAL OF NEW MEDICINE >

2023 , Vol. 54 >Issue 10: 717 - 722

DOI: https://doi.org/10.3969/j.issn.0253-9802.2023.10.006

Original Research

Application of artificial intelligence-assisted compressed sensing combined with three types of fat-suppressed T2WI techniques

  • Li Gang ,
  • Huang Jinbin ,
  • Wang Xinrong ,
  • Lei Manshi ,
  • Xiong Anni ,
  • Xiang Qing ,
  • Deng Sisi ,
  • Meng Zhan’ao
Expand
  • Department of Radiology， the Third Affiliated Hospital of Sun Yat-sen University， Guangzhou 510630， China
Meng Zhan’ao， E-mail:

Received date: 2023-02-10

  Online published: 2023-11-06

Fold

Abstract

Objective To explore the advantages of artificial intelligence-assisted compressed sensing （ACS） combined with three types of fat-suppressed T2WI techniques in image quality， scanning time and scheme selection. Methods In 30 patients with low back pain who underwent conventional lumbar magnetic resonance imaging （MRI） plain scan， ACS combined with 5 groups of sagittal （SAG） fat-suppressed T2WI sequences were added to original examination sequence. Frequency-selective fat saturation （FS）， water-fat separation （WFI） and short tau inversion recovery （STIR） techniques were employed. ACS-SAG-T2WI-FS （group A， n=30）， Acs-SAG-T2WI-WFI （group B， n=30）， ACS-SAG-STIR （group C n=30）， SAG-T2WI-FS （group D， n=30）， SAG-T2WI-WFI （group E， n=30） and SAG-STIR sequences （group F， n=30） were employed. Objective evaluation indicators of signal-to-noise ratio （SNR） and contrast-to-noise ratio （CNR） and subjective evaluation by two radiologists were carried out to assess the effect. Results The SNR and CNR of the fourth vertebra， the fourth and fifth intervertebral discs and the same spinal cord in group A were higher than those in group D. The SNR and CNR of the fourth vertebra， the fourth and fifth intervertebral discs， and the same spinal cord in group B were higher than those in group E. The SNR and CNR of the fourth vertebra， the fourth and fifth intervertebral discs， and the same spinal cord in group C were higher compared with those in group F （all P < 0.01）. The imaging time in group A was shortened by 13.2% compared with that in group D. The imaging time in group B was reduced by 8.9% compared with that in group E. The imaging time in group C was reduced by 12.4% compared with that in group F （all P < 0.01）. The subjective scores by two radiologists for groups A， B and C were significantly higher than those in groups D， E and F （all P < 0.01；The scores of the two physicians were consistent， Kappa=0.972， P <0.01）. Conclusions The combination of ACS and three types of fat-suppressed T2WI techniques （FS， WFI and STIR） is superior to use of fat-suppressed T2WI techniques alone. ACS-SAG-T2WI-FS sequence is recommended with the shortest imaging time and the highest image quality. ACS-SAG-T2WI-WFI sequence provides multiple groups of phase images， and the time advantage difference is the second choice. ACS-SAG-STIR sequence has the most stable fat-suppression capability， which can be used as the last option.

Key words： Artificial intelligence-assisted compressed sensing technique; Water-fat separation technique; Frequency selective saturation method; Short inversion time

Cite this article

Li Gang , Huang Jinbin , Wang Xinrong , Lei Manshi , Xiong Anni , Xiang Qing , Deng Sisi , Meng Zhan’ao . Application of artificial intelligence-assisted compressed sensing combined with three types of fat-suppressed T2WI techniques[J]. JOURNAL OF NEW MEDICINE, 2023 , 54(10) : 717 -722 . DOI: 10.3969/j.issn.0253-9802.2023.10.006

欢迎扫码观看 文章视频简介
MRI已经发展为评估腰椎椎体、髓内及周围软组织结构的首选成像方式，是已被证实的对椎间盘突出或膨出、椎体退变、脊髓和椎骨异常、软组织水肿、椎体血管瘤或肿瘤等软组织病变有效的检查方法[1-2]。但是MRI的缺点也不容忽视，目前最主要的弊端是MRI需要较长的时间来收集成像所需的数据，而且在某些特殊类型成像的扫描中，例如在心血管实时成像和脑功能成像的扫描中，需要十几分钟甚至更长时间才能获得必要的数据[3]。
人工智能（AI）正在崛起，基于传统加速技术的卷积神经网络（CNN）对加速MRI成像具有强大潜力[4]。本研究主要探索在以往的并行成像（PI）、半傅里叶采集（HF）、压缩感知技术（CS）基础上衍生出的AI辅助压缩感知技术（ACS）这种全新加速技术的应用效果[5]。
T2加权像（T2WI）中的高信号是由水肿信号与脂肪信号共同构成，脂肪信号不是炎症的特征，但会掩盖炎症表现，因此在T2WI中必须使用压脂技术[6]。压脂技术有数种， 例如常用的频率选择饱和法（FS）、水脂分离成像技术（WFI）及短反转时间的反转恢复技术（STIR），压脂序列在不同部位的特点也不尽相同。
本研究探讨了ACS结合FS、WFI、STIR在T2WI压脂过程中缩短成像时间、保证图像质量、抑制脂肪干扰等方面的效果，并进行优势与劣势分析，为放射科医师将AI应用于MRI提供参考数据。

对象与方法

一、研究对象

将2022 年 6至8月在本院放射科因腰痛而行腰椎MRI平扫的30例患者作为研究对象。30例中男18例、女12例，年龄（44.8±11.2）岁。本研究获本院医学伦理委员会批准（批件号[2022]02-005-01），所有患者均签署《患者MRI增强检查知情同意书》。

二、纳入与排除标准

纳入标准：①年龄>18岁；②因腰痛并经临床医师检查后明确需接受腰椎MRI检查。排除标准：①体内有金属植入物；②有幽闭恐惧症；③有情绪躁动；④体位受限影响MRI B0场均匀度；⑤患有风湿性关节炎。

三、方法

1.分组

采用3.0T超导型MRI（联影 UMR790）扫描仪，扫描体位为仰卧位（头先进），保证患者身体躺平，身体正中矢状面与检查床中线重合，双手双足并拢，做好耳机屏蔽并告知患者保持不动及检查的大致时间。所有研究对象均接受6组矢状位（SAG）-T2WI压脂序列扫描，即ACS-SAG-T2WI-FS（A组）、ACS-SAG-T2WII-WFI（B组）、ACS-SAG-STIR（C组）、SAG-FS-T2WI（D组）、SAG-WFI-T2WI （E组）、SAG-STIR（F组）。ASC组包括A、B、C组，ASC技术采用ASC加速2；常规组包括D、E、F组，常规序列采用PI加速2。2组的MRI参数对比见表1。
表1 ACS组与常规组MRI参数对比
参 数 A组 B组 C组 D组 E组 F组
重复时间/ms 3 146 3 621 3 113 3 624 3 172 3 729
回波时间/ms 104.26 114.4 64.64 103.84 106.92 68.16
矩阵 320×80 320×80 320×80 320×80 320×80 320×80
体素 1.02×0.81×4.0 1.02×0.81×4.0 1.02×0.81×4.0 1.02×0.81×4.0 1.02×0.81×4.0 1.02×0.81×4.0
层厚/mm 4.00 4.00 4.00 4.00 4.00 4.00
视野/mm2 260×260 260×260 260×260 260×260 260×260 260×260
成像时间/s 79 153 134 91 168 153
相位过采样 100 100 100 100 100 100
层数 13 13 13 13 13 13
层间距/mm 20 20 20 20 20 20
激发角度/° 90 90 90 90 90 90
激励次数/次 2 2 2 2 2 2
带宽 300 300 300 300 300 300
回波链 24 24 15 24 22 14
加速因子 2 2 2 2 2 2

2.客观评价指标

所有图像均传输到联影MRWS1工作站上，将6组图像同时显示在屏幕上，利用克隆的方法保证所有感兴趣区（ROI）一致，由一名具有10年工作经验的放射科医师在患者腰椎SAG第4椎体正中层面，第4~5椎间盘、同层脊髓、对应层面脂肪记录平均信号（SI）、噪声（SD）及成像时间，并计算信噪比（SNR）和对比噪声比（CNR），SNR=SI（椎体、椎间盘、脊髓）/SD（椎体、椎间盘、脊髓），CNR=|SI（椎体、椎间盘、脊髓）-SI脂肪|/SD脂肪[7]。在测量层面的上下层重复测量，取3 次平均值。选取ROI原则避开运动伪影，若本层伪影较大则在其上或下一层面选取ROI。对比A与D组、B与E组、C与F组的SNR、CNR。

3.主观评价

由脊柱疾病诊断经验丰富的2名放射科医师采取双盲法对6组图像进行独立评分，评分内容包括图像清晰度、噪声、脂肪抑制程度、伪影、临床诊断可信度共5个方面[8]。评分采用5分法：最好为5分、较好为4 分、一般为3分、较差为2分、最差为1分，最终得分取5个因素的平均值，比较各组的评分 [9]。

四、统计学处理

采用SPSS 26.0进行数据分析。所有图像的SD、SNR、CNR数据以表示，采用配对t检验对A组与D组、B组与E组、C组与F组进行差异性比较。主观图像质量评分采用M（P25，P75）表示，组间比较采用Wilcoxon符号秩和检验，采用Kappa检验分析2名放射科医师主观图像质量评分的一致性，Kappa≤0.2 为一致性不佳，0.2 < Kappa≤0.4 为一致性轻微，0.4 < Kappa≤0.6为一致性尚可，0.6 < Kappa≤0.8为一致性显著，Kappa > 0.8 为一致性完美。以上统计方法均以P < 0.05为差异有统计学意义。

结果

一、MRI成像时间

A组MRI成像时间较D组缩短13.2%，B组较E组缩短8.9%，C组较F组缩短12.4%（P均 < 0.001）。见表1。

二、客观测量指标

A组第4椎体、第4~5椎间盘、同层脊髓的SNR、CNR大于D组；B组第4椎体、第4~5椎间盘、同层脊髓的SNR、CNR大于E组；C组第4椎体、第4~5椎间盘、同层脊髓的SNR、CNR大于F组（P均 < 0.01）。见表2。
表2 ACS组与常规组椎体、椎间盘、脊髓SNR、CNR比较
评估指标 分组 数值 t值 P值
SNR 椎体 A 15.16±8.49 5.73 <0.001
D 7.2±2.89
椎间盘 A 41.23±71.49 2.31 0.028
D 20.51±25.62
脊髓 A 47.71±48.88 4.60 <0.001
D 29.29±37.01
CNR 椎体 A 29.29±37.01 4.12 <0.001
D 13.43±13.19
椎间盘 A 76.29±82.67 3.65 <0.001
D 37.26±48.78
脊髓 A 210.91±186.04 3.82 <0.001
D 112.24±14.59
SNR 椎体 B 20.83±18.62 3.79 <0.001
E 9.39±4.92
椎间盘 B 41.45±51.27 2.79 0.009
E 16.14±6.78
脊髓 B 54.35±50.03 3.98 <0.001
E 28.53±27.31
CNR 椎体 B 14.28±18.41 2.83 0.008
E 5.31±3.09
椎间盘 B 58.56±85.17 2.47 0.020
E 26.65±23.49
脊髓 B 180.74±239.27 2.61 0.014
E 75.90±48.54
SNR 椎体 C 13.90±12.08 3.91 <0.001
F 6.98±3.80
椎间盘 C 22.18±20.07 4.17 <0.001
F 11.47±11.03
脊髓 C 35.82±34.11 3.79 <0.001
F 21.77±32.48
CNR 椎体 C 28.03±62.93 2.44 0.021
F 5.90±14.75
椎间盘 C 111.99±171.14 3.15 0.004
F 27.17±31.82
脊髓 C 146.97±142.07 3.82 <0.001
F 66.36±52.15

三、主观评分

2名放射科医师对A、B、C组的主观评价均高于D、E、F组（P均 < 0.01），见表3、4及图1~3。2名医师评分具有一致性，Kappa=0.972、P <0.01。
表3 2名放射科医师的主观评分 单位：分
组 别 A组 B组 C组 D组 E组 F组
医师一 5（5，5） 4（3.75，5） 3（3，4） 4（4，4） 3（3，4） 3（2，3）
医师二 5（5，5） 4（4，4） 3（3，4） 4（4，4） 3（3，4） 3（2，3）
Kappa 0.882 0.872 0.697 0.678 0.916 0.760
P值 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
表4 主观评价组间对比表 单位：分
项 目 清晰度 图像噪声 图像伪影 压脂效果 总体质量 平均评分
ACS 5（3，5） 4（3.5，5） 4（3，5） 4（3，4） 4（3，5） 4（3.4，3.6）
SAG 4（2，4） 3（2，4） 3（3，4） 4（3.5，5） 3（3，4） 3.3（3，3.9）
Z值 -7.97 -8.10 -7.18 -3.88 -6.76 -7.94
P值 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
图1 ACS组与常规组MRI图像对比

注：A~F分别对应A~F组。A组椎体比较清晰（白箭头）、脊髓边缘较为平滑、SNR较高、噪声颗粒感较低，图像显示效果优于D组。E组椎体清晰度一般、脊髓边缘细节显示较差（红箭头）、SNR较低、噪声颗粒感明显。B组对比E组其图像整体质量方面更佳（但B组弱于A组）。F组椎体清晰度较差、脊髓边缘细节显示较模糊、压脂程度极重（黄箭头）、SNR低、噪声颗粒感重，C组图像整体质量优于F组（但C组弱于A、B组）。由图可直观显示A组整体图像质量明显优于其他5组。

讨论

“加速”一直是MRI设备的核心硬件要求，PI、HF、CS技术均是近年来不断进步的加速技术，尽管扫描速度获得一定的提升，但图像质量和临床诊断价值却未能发挥最大效果[5,10]。
研究表明，ACS技术结合了AI和光梭成像（UCS），UCS包含了PI、HF、CS等加速技术，是国产联影对加速技术进一步的优化升级，两者相结合就是ACS技术，该技术拥有更强的加速能力，为MRI加速提供了有效的解决方案[2,12 -13]。本研究显示，A、B、C组MRI检查时间较D、E、F组短，且能保持图像质量，甚至获得更好的图像质量。其中A组成像时间最短，这与其他研究的结论一致[11⇓-13]。
压脂是难以解决的技术难题，最常见影响有B0磁场的不均匀导致频率选择不稳定。人体存在呼吸运动、心脏搏动、肠道蠕动、脑脊液流动、生理曲度范围空气的不均匀分布和胸腹交界的空气不均匀分布，均会影响压脂效果。FS优点为选择性高、可采用多种序列，图像显示解剖结构与其周边环境较清晰，噪声影响较小，运动伪影不显著[14]。ACS结合FS不仅能缩短成像时间，而且椎体、椎间盘、脊髓的SNR、CNR均增大，综合图像质量更高，因此可作为压脂的首选。WFI的优点是对磁场（B0、B1）的均匀性要求有所降低，可以一次获得4幅图像（同、反相位图以及水、脂像图），而ACS结合WFI在缩短成像时间的同时，椎体、椎间盘、脊髓的SNR、CNR均增大，尽管在清晰度、脊髓锐利度方面的效果会弱于ACS结合FS和单纯FS，但其拥有同时显示多期图像的优点，可作为压脂的次选[14]。STIR的优点是对场强依赖性、磁场的均匀度要求较低，大视野扫描也能取得较好的脂肪抑制效果，有金属植入物的情况下也可以使用[14]。ACS结合STIR能缩短成像时间，增大椎体、椎间盘、脊髓的SNR、CNR，但在清晰度、噪声、信噪比、脊髓清晰度方面的效果较其他方法差，但由于其压脂效果最佳，因此可作为压脂的最后选择。
AI已经被用于图像登记、重建、分类、模式识别、分割、降噪和超分辨率等，甚至逐渐成为现代医学的新标杆和新基准[8,15⇓ -17]。ACS结合T2WI压脂技术既能缩短成像时间、降低噪声，又能提高空间分辨率和可检测性。本研究显示ACS结合3种常规T2WI压脂技术在时间上和质量上的表现均优于常规压脂技术。其中ACS结合FS的成像时间最短，图像质量最好。本研究尚存在一些不足：第一，样本数量较少；第二，只应用在T2WI序列上，其他序列在未来也是一个可持续研究的方向；第三，未对病变检测和鉴别诊断的能力进行评价。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Hofmann U K, Keller R L, Gesicki M, et al. Interobserver reliability when classifying MR imaging of the lumbar spine: written instructions alone do not suffice. Magn Reson Med Sci, 2020, 19(3): 207-215.

DOI PMID

[2]
Bratke G, Rau R, Weiss K, et al. Accelerated MRI of the lumbar spine using compressed sensing: quality and efficiency. J Magn Reson Imaging, 2019, 49(7): e164-e175.

[3]
Suh C H, Jung S C, Lee H B, et al. High-resolution magnetic resonance imaging using compressed sensing for intracranial and extracranial arteries: comparison with conventional parallel imaging. Korean J Radiol, 2019, 20(3): 487.

DOI PMID

[4]
Yang G, Yu S, Dong H, et al. DAGAN: deep de-aliasing generative adversarial networks for fast compressed sensing MRI reconstruction. IEEE Trans Med Imag, 2017, 37(6): 1310-1321.

DOI

[5]
公雨. 3.0T MRI人工智能辅助压缩感知(ACS)加速序列与常规2D序列在腰椎图像质量的比较. 长春: 吉林大学, 2021.

[6]
许凤, 邹月芬, 徐磊, 等. 磁共振T2WI压脂序列在Modic改变分型中应用价值研究. 南京医科大学学报(自然科学版), 2014, 34(11): 1609-1613.

[7]
Meadows K D, Johnson C L, Peloquin J M, et al. Impact of pulse sequence, analysis method, and signal to noise ratio on the accuracy of intervertebral disc T 2 measurement. JOR SPINE, 2020, 3(3): e1102.

DOI PMID

[8]
Fellner C, Menzel C, Fellner F A, et al. BLADE in sagittal T2-weighted MR imaging of the cervical spine. AJNR Am J Neuroradiol, 2010, 31(4): 674-681.

DOI

[9]
孟占鳌, 张悦, 蒋伟, 等. DLIR算法结合前置ASIR-V技术在过重患者门静脉成像中的应用. 中华肝脏外科手术学电子杂志, 2022, 11(4): 373-379.

[10]
Moeller S, Yacoub E, Olman C A, et al. Multiband multislice GE-EPI at 7 tesla, with 16-fold acceleration using partial parallel imaging with application to high spatial and temporal whole-brain fMRI. Magn Reson Med, 2010, 63(5): 1144-1153.

DOI PMID

[11]
Ghodrati V, Shao J, Bydder M, et al. MR image reconstruction using deep learning: evaluation of network structure and loss functions. Quant Imag Med Surg, 2019, 9(9): 1516-1527.

DOI PMID

[12]
Sheng R F, Zheng L Y, Jin K P, et al. Single-breath-hold T2WI liver MRI with deep learning-based reconstruction: a clinical feasibility study in comparison to conventional multi-breath-hold T2WI liver MRI. Magn Reson Imag, 2021, 81: 75-81.

DOI

[13]
Xiang L, Chen Y, Chang W, et al. Ultra-fast T2-weighted MR reconstruction using complementary T1-weighted information. Medical Image Computing and Computer Assisted Intervention - MICCAI 2018. Cham: Springer International Publishing, 2018: 215-223.

[14]
Tien R D. Fat-suppression MR imaging in neuroradiology: techniques and clinical application. Am J Roentgenol, 1992, 158(2): 369-379.

PMID

[15]
da Silveira T L T, Pinto P G L, Lermen T S, et al. Omnidirectional 2.5D representation for COVID-19 diagnosis using chest CTs. J Vis Commun Image Represent, 2023, 91: 103775.

[16]
张悦, 张可, 郭月飞, 等. 深度学习图像重建双低技术在CT尿路造影中的初步应用. 中华腔镜泌尿外科杂志(电子版), 2022, 16(6): 539-545.

[17]
Visvikis D, Cheze Le Rest C, Jaouen V, et al. Machine (deep) learning and radio(geno)mics: definitions and nuclear medicine imaging applications. Eur J Nucl Med Mol Imaging, 2019, 46(13): 2630-2637.

DOI

Options
Outlines

/

〈 〉

Copyright © JOURNAL OF NEW MEDICINE, All Rights Reserved.
E-mail：xyxbjb@mail.sysu.edu.cn
Powered by Beijing Magtech Co. Ltd,.