Euro Radio：基于深度学习的全自动定量MRI血流评估

二维时间分辨（2D-CINE）相位对比（PC）MRI（2D- CINE-PC-MRI）于20世纪80年代首次开发并引入临床，是当今MRI体内血流分析的临床首选影像学检查。2D-CINE-PC-MRI可用于任何较大血管的血流分析，但主要是运用于主动脉和主肺动脉（PA）。为了获得可靠的结果，需要对心动周期的每个时间点的血管轮廓进行划分。由于在整个心动周期中，血管腔的轮廓和运动是动态变化的，准确量化血流参数需要仔细划定血管的边界。目前，市面上的软件通过应用半自动的工作流程来支持放射科医生对血管轮廓的划分。

深度学习（DL）是一种先进的人工智能（AI）技术，最近被应用于心脏MRI以评估LV功能或在主动脉解剖分割中。对于2D-CINE-PC-MRI的应用，Bratt等学者描述了一种在临床系列上使用深度学习进行流量评估的方法，但它仅限于单一位置（主动脉）且净流量是唯一报道的参数。

近日，发表在European Radiology杂志的一项研究在一组接受标准临床2D-CINE-PC-MRI的患者中，探讨了DL结果与人工和半自动流量定量评估之间的差异，为临床更快速、便捷且准确的进行血管轮廓划分及评估提供了技术支持。

本项研究纳入了97名连续的患者（年龄=52.9±16岁，41名女性），每位患者均在1.5T MRI系统上接受了2D-CINE-PC-MRI成像，28/97还接受了主肺动脉（PA）的2D-CINE-PC检查。一位心血管放射学家在商业软件中对所有心脏时间段（中位数：20，每次分析的总轮廓：2358 STJ，680 PA）进行了MA（参考）和corSAA（内置工具）。DL-分析自动进行VCD，然后是净流量（NF）和峰值速度（PV）的量化。使用Dice相似性系数（DSC）对等值线进行了比较，并对不一致的病例（>±10 mL或>±10 cm/s）进行详细审查。 

2D-CINE-PC-MRI系列中97%（121/125）成功应用了DL（STJ：95/97，98%，PA：26/28，93%）。与MA相比，STJ的平均DSC为0.91±0.02（DL），0.94±0.02（corSAA），PA为0.85±0.08（DL），0.93±0.02（corSAA）；这表明DL性能表现为良好至优秀。血流定量显示在STJ（p = 0.48）和PA（p > 0.05）的方法之间有类似的NF，而PV评估有明显的不同（STJ：p < 0.001，PA：p = 0.04）。详细审查显示，MA和corSAA中的噪声体素影响了PV结果。总的来说，与人工评估相比，DL分析在113/121（93.4%）例中是准确的。 

图 PA的流量测量。人工分析（MA，参考）与校正的半自动分析（corSAA，橙色）、未校正的半自动分析（uncorSAA，蓝色）和深度学习（DL，红色）分析在PA的净流量、前向流量和后向流量的比较。散点图（顶部）显示了极好的相关性，Bland-Altman图（底部）偏差小，每个参数的人共和DL测量之间都有较窄的一致限度（LoA），而与STJ相比，LoA更窄

综上所述，研究评估的DL工具在专家水平上对93%以上的病例进行了主动脉和肺动脉的全自动位置检测和流量量化。研究数据表明，所使用的DL工具可以进行无缝整合，并提高评估2D-CINE-PC-MRI的临床工作流程的效率。

原文出处：

Maurice Pradella,Michael B Scott,Muhammad Omer,et al.Fully-automated deep learning-based flow quantification of 2D CINE phase contrast MRI.DOI:10.1007/s00330-022-09179-3