加速颅内飞行时间磁共振血管造影：深度学习助力提升影像质量

　　在脑血管疾病的诊断领域，三维飞行时间磁共振血管造影（3D TOF-MRA）是一项重要的非侵入性、无造影剂的血管成像技术。它就像医生手中的 “透视眼”，能帮助医生观察脑血管是否存在如颅内动脉瘤、狭窄闭塞性病变和动静脉畸形等问题。因为这些脑血管病变一旦发作，可能引发诸如动脉瘤性蛛网膜下腔出血（SAH）这类高致死率的严重事件，所以早期借助 TOF-MRA 检测出血管病变，对患者及时进行血管内或手术治疗、降低死亡率和发病率至关重要。

然而，这一技术存在一些 “短板”。为了获取高分辨率图像以评估小血管结构或动脉瘤形态，扫描时间常常超过 5 分钟，这对于患者和医院的时间成本都是一种挑战。即便采用并行成像或压缩感知技术来缩短扫描时间，图像质量又难以满足临床诊断的需求。并且，1.5-T 的 MR 设备虽然在患者安全性和成本效益方面有优势，但它的空间分辨率较低，图像更容易受到噪声干扰。

为了突破这些困境，来自首尔国立大学医院等机构的研究人员展开了一项研究，相关成果发表在《Neuroradiology》上。

研究人员采用了多种关键技术方法。在样本选取上，纳入了 2022 年 7 月至 2023 年 3 月期间，在 1.5-T 或 3-T 扫描仪上同时接受传统和 40% 加速 TOF-MRA 扫描的连续患者。在扫描设备方面，使用 1.5-T（Ingenia, Philips Healthcare）或 3-T（Magnetom Skyra; Siemens AG Healthcare）扫描仪，按照特定协议进行基线（TOF-Base）和加速扫描（TOF-Accel）。还利用了基于深度学习的图像增强技术，通过一款商用的 MR 图像增强软件（SwiftMR, v2.0.1.0. AIRS Medical），基于 2D U-Net 架构的深度神经网络对加速扫描的源图像进行处理，从而提升图像质量。在评估图像质量时，运用了定量分析（计算信噪比（SNR）、对比噪声比（CNR）、对比度（CR）、血管清晰度（VS）和半高宽（FWHM）等指标）和定性分析（由多位认证神经放射科医生采用 5 分李克特量表对图像参数进行评分）两种方式，同时以两位经验丰富的神经放射科医生的共识作为诊断参考标准，通过多种统计方法对数据进行分析。

下面来看具体的研究结果：

• 患者情况：最初筛选出 134 例患者，排除 5 例后，最终纳入 129 例患者（平均年龄 64 岁 ±12 ，男性 60 例）。其中 99 例接受 3-T TOF-MRA 扫描（57 例常规协议，42 例高分辨率协议），30 例接受 1.5-T TOF-MRA 常规协议扫描。63 例患者（49.8%）存在至少一种血管病变，66 例患者（51.2%）无血管病变。
• 定量图像分析：TOF-DL 在信噪比（SNR）、对比噪声比（CNR）、对比度（CR）和血管清晰度（VS）方面均显著高于 TOF-Con ，半高宽（FWHM）值更低。不同场强亚组分析显示，3-T 高分辨率亚组中 CNR 和 CR 的效应量更大，而 1.5-T 时 SNR 和 VS 的效应量更大。
• 图像质量参数：无论是 3-T 还是 1.5-T，TOF-DL 在所有类别中获得更高评分的可能性均高于 TOF-Con 。在 3-T 亚组中，TOF-DL 在所有图像质量参数上均优于 TOF-Con ，且常规协议在整体图像质量和 VS 方面的改善比高分辨率协议更明显。
• 中小血管的显示：TOF-DL 在描绘所有血管段方面均显著优于 TOF-Con 。在 3-T 亚组中，TOF-DL 对颅内血管的可视化效果更好，除眼动脉（OA）外，常规协议在中小血管可视化方面的改善比高分辨率协议更显著。
• 评分一致性：图像质量参数和中小血管可见性的阅片者间一致性为 fair 到 moderate ，TOF-Con 和 TOF-DL 之间相似。
• 血管病变的诊断性能：在颅内动脉瘤和狭窄闭塞的识别中，TOF-DL 与 TOF-Con 的诊断性能相当，但 TOF-DL 在诊断狭窄闭塞性病变时特异性更高，假阳性结果更少。

综合研究结论和讨论部分，基于深度学习的图像增强算法在颅内 TOF-MRA 中表现卓越。它不仅能将扫描时间缩短 40%，还显著提升了图像质量，增强了血管可视化效果，减少了背景噪声。在不同场强下，都展现出了优于传统 TOF-MRA 的性能。虽然该研究存在单中心回顾性设计、部分患者未进行 DSA 检查、未评估其他血管病变以及阅片者间一致性相对较低等局限性，但这一研究成果仍为脑血管疾病的诊断提供了更高效、准确的方法，有望在未来的临床实践中得到广泛应用，帮助医生更精准地诊断和治疗脑血管疾病，拯救更多患者的生命和健康。<【加速颅内飞行时间磁共振血管造影：深度学习助力提升影像质量】【为解决传统三维飞行时间磁共振血管造影（TOF-MRA）扫描时间长、分辨率低的问题，研究人员开展相关研究，发现基于深度学习的重建可加速 TOF-MRA 并提升影像质量。】【脑血管疾病 | 磁共振血管造影 | 深度学习 | 影像质量 | 扫描时间 | 三维飞行时间磁共振血管造影 | 血管病变 | 信噪比 | 对比噪声比 | 血管清晰度】【国外】【在脑血管疾病的诊断领域，三维飞行时间磁共振血管造影（3D TOF-MRA）是一项重要的非侵入性、无造影剂的血管成像技术。它就像医生手中的 “透视眼”，能帮助医生观察脑血管是否存在如颅内动脉瘤、狭窄闭塞性病变和动静脉畸形等问题。因为这些脑血管病变一旦发作，可能引发诸如动脉瘤性蛛网膜下腔出血（SAH）这类高致死率的严重事件，所以早期借助 TOF-MRA 检测出血管病变，对患者及时进行血管内或手术治疗、降低死亡率和发病率至关重要。

然而，这一技术存在一些 “短板”。为了获取高分辨率图像以评估小血管结构或动脉瘤形态，扫描时间常常超过 5 分钟，这对于患者和医院的时间成本都是一种挑战。即便采用并行成像或压缩感知技术来缩短扫描时间，图像质量又难以满足临床诊断的需求。并且，1.5-T 的 MR 设备虽然在患者安全性和成本效益方面有优势，但它的空间分辨率较低，图像更容易受到噪声干扰。

为了突破这些困境，来自首尔国立大学医院等机构的研究人员展开了一项研究，相关成果发表在《Neuroradiology》上。

研究人员采用了多种关键技术方法。在样本选取上，纳入了 2022 年 7 月至 2023 年 3 月期间，在 1.5-T 或 3-T 扫描仪上同时接受传统和 40% 加速 TOF-MRA 扫描的连续患者。在扫描设备方面，使用 1.5-T（Ingenia, Philips Healthcare）或 3-T（Magnetom Skyra; Siemens AG Healthcare）扫描仪，按照特定协议进行基线（TOF-Base）和加速扫描（TOF-Accel）。还利用了基于深度学习的图像增强技术，通过一款商用的 MR 图像增强软件（SwiftMR, v2.0.1.0. AIRS Medical），基于 2D U-Net 架构的深度神经网络对加速扫描的源图像进行处理，从而提升图像质量。在评估图像质量时，运用了定量分析（计算信噪比（SNR）、对比噪声比（CNR）、对比度（CR）、血管清晰度（VS）和半高宽（FWHM）等指标）和定性分析（由多位认证神经放射科医生采用 5 分李克特量表对图像参数进行评分）两种方式，同时以两位经验丰富的神经放射科医生的共识作为诊断参考标准，通过多种统计方法对数据进行分析。

下面来看具体的研究结果：

• 患者情况：最初筛选出 134 例患者，排除 5 例后，最终纳入 129 例患者（平均年龄 64 岁 ±12 ，男性 60 例）。其中 99 例接受 3-T TOF-MRA 扫描（57 例常规协议，42 例高分辨率协议），30 例接受 1.5-T TOF-MRA 常规协议扫描。63 例患者（49.8%）存在至少一种血管病变，66 例患者（51.2%）无血管病变。
• 定量图像分析：TOF-DL 在信噪比（SNR）、对比噪声比（CNR）、对比度（CR）和血管清晰度（VS）方面均显著高于 TOF-Con ，半高宽（FWHM）值更低。不同场强亚组分析显示，3-T 高分辨率亚组中 CNR 和 CR 的效应量更大，而 1.5-T 时 SNR 和 VS 的效应量更大。
• 图像质量参数：无论是 3-T 还是 1.5-T，TOF-DL 在所有类别中获得更高评分的可能性均高于 TOF-Con 。在 3-T 亚组中，TOF-DL 在所有图像质量参数上均优于 TOF-Con ，且常规协议在整体图像质量和 VS 方面的改善比高分辨率协议更明显。
• 中小血管的显示：TOF-DL 在描绘所有血管段方面均显著优于 TOF-Con 。在 3-T 亚组中，TOF-DL 对颅内血管的可视化效果更好，除眼动脉（OA）外，常规协议在中小血管可视化方面的改善比高分辨率协议更显著。
• 评分一致性：图像质量参数和中小血管可见性的阅片者间一致性为 fair 到 moderate ，TOF-Con 和 TOF-DL 之间相似。
• 血管病变的诊断性能：在颅内动脉瘤和狭窄闭塞的识别中，TOF-DL 与 TOF-Con 的诊断性能相当，但 TOF-DL 在诊断狭窄闭塞性病变时特异性更高，假阳性结果更少。

综合研究结论和讨论部分，基于深度学习的图像增强算法在颅内 TOF-MRA 中表现卓越。它不仅能将扫描时间缩短 40%，还显著提升了图像质量，增强了血管可视化效果，减少了背景噪声。在不同场强下，都展现出了优于传统 TOF-MRA 的性能。虽然该研究存在单中心回顾性设计、部分患者未进行 DSA 检查、未评估其他血管病变以及阅片者间一致性相对较低等局限性，但这一研究成果仍为脑血管疾病的诊断提供了更高效、准确的方法，有望在未来的临床实践中得到广泛应用，帮助医生更精准地诊断和治疗脑血管疾病，拯救更多患者的生命和健康。