目的 探讨基于深度学习重建(deep learning-based reconstruction,DLR)技术对前列腺T2WI图像质量及诊断置信度的影响.材料与方法 回顾性分析78例行前列腺磁共振检查患者的影像资料,扫描序列包括传统T2WI(conventional T2WI,T2WIC)及基于DLR技术的T2WI(T2WIDL),二者扫描参数及时间相同.对所有患者的T2WIC及T2WIDL图像进行主观评价、客观评价及诊断置信度评价.主观评价及诊断置信度评价由两名具有不同影像诊断经验(3年、7年)的医师(阅片者1、阅片者2)依据Likert Scale评分法进行双盲评价(5分:优,1分:极差),并采用Wilcoxon秩和检验及Kappa统计法评估两位阅片者间评分的差异性及一致性;T2WI图像质量评价指标包括:前列腺包膜清晰度、病灶对比度及边缘锐利度、解剖细节的显示、盆腔肌肉及骨骼的清晰度及整体图像质量;T2WI诊断置信度评价指标包括:病灶位置及形态识别、病灶良恶性的初步判断.分别记录两位阅片者浏览每一组图像及作出初步诊断的用时,采用配对t检验进行统计学分析.客观评价包括测量T2WIC及T2WIDL图像前列腺病灶的信噪比(signal-to-noise ratio,SNR)及对比噪声比(contrast-to-noise ratio,CNR),使用配对t检验和Mann-Whitney U检验进行统计学分析.结果 本研究78例患者年龄(67.1±9.9)岁.基于主观评分

作者：可赞；李亮；宋鑫洋；文之；高宇凡；刘薇音；权光南；查云飞

来源：磁共振成像 2023 年 14卷 5期