基于人工智能重建对颅内3D TOF MRA图像质量的改善

陈楚玥 于雨洁 王茂雪 王 坤 李 茗 马一鸣 赵献策 韩 鹏,*

1.南京大学医学院附属鼓楼医院医学影像科 (江苏 南京 210008)

2.飞利浦医疗保健事业部 (上海 200072)

脑血管磁共振成像是一种无创、无辐射性、无需对比剂的血管造影技术，在安全性方面较数字减影血管成像和CT血管成像有优越性，在脑血管疾病的诊断中有着独特的地位。临床上经常使用的MRA技术主要有无需对比剂的时间飞跃法血管成像(time of flight MRangiography，TOF-MRA)、相位对比法血管成像(phase contrast MRA,PC-MRA)和对比增强血管成像[1](contrast enhanced MRangiography，CE-MRA)，这三种技术可以清晰显示颅内血管分布、异常部位及类型，被广泛应用于观察颅内血管异常诊断，为准确诊断提供更多依据，对于脑血管病早期筛查和诊断具有重大意义[2-4]。

目前磁共振临床上常用的加速方法主要有：并行成像技术、分段加速技术及压缩感知技术(compressed sensing，CS)等[5-6]。压缩感知技术作为磁共振新型快速成像技术，在当前已经被成功用于磁共振血管造影、心脏磁共振扫描采样、动态增强扫描等磁共振扫描中，能够有效的提高磁共振扫描速度，较好的改善图像效果[7]。在设置压缩感知因子时，需要平衡采集时间和图像质量。当压缩感知因子过低时，无法缩短图像采集时间，过高会给图像带来伪影和模糊[8-9]。人工智能重建技术是最近引入磁共振成像的新技术，表现出了对图像去噪、数据恢复等方面的极大潜力[10]，但是其对于TOF MRA图像质量的改善效果有待研究。本研究目的是基于压缩感知因子为4和8的TOF MRA图像，探索人工智能重建技术对颅内3D TOF MRA图像质量的改善。

1 资料与方法

1.1 一般资料本研究共纳入在2021年8月至2022年6月期间，在南京大学医学院附属鼓楼医院进行头颅磁共振检查的43例受试者，其中女性患者24例，平均年龄为56.95±35岁。

受试者入组标准如下：无磁共振检查禁忌症；每例受试者均同时采集CS4及CS8，并重建出CS_AI4和CS_AI8的TOF-MRA图像。所有受试者均签署知情同意书，本研究经本院伦理委员会批准。

1.2 检查方法所有MR数据均在飞利浦 3.0 T磁共振超导扫描仪(Philips Ingenia 3.0 T CX)上采用32通道头线圈采集获得。患者在检查床上呈仰卧位，正中矢状面与检查床垂直，定位中心于眉心，患者检查过程中不能移动；扫描基线平行于胼胝体前后脚连线，范围从大脑皮层至小脑下界，扫描序列采用压缩感知加速因子分别为4和8的3D TOF MRA序列，两个扫描序列分别使用两种重建方法，其中单纯使用压缩感知加速的序列命名为CS4和CS8，同时使用AI重建方法及压缩感知加速的序列命名为CS_AI4和CS_AI8。CS4的采集时间为3min32s，CS8的采集时间为1min47s。两个序列以下参数均相同：视野(field of view，FOV)200mm×200mm；重复时间(repetition time，TR)22ms；回波时间(echo time，TE)3.45ms；翻转角18°；层厚1mm；体素0.55mm×0.85mm×1mm。用于覆盖颅内动脉及其分支，包括大脑前动脉(ACA，A1-A3段)，大脑中动脉MCA(M1-M3段)，和大脑后动脉(PCA，P1-P3段)。

1.3 数据测量及分析

1.3.1 定性分析 所有MR数据上传到飞利浦后处理工作站(IntelliSpace Portal，ISP)进行定性分析，在不知道序列信息的前提下，两名放射科诊断医生独立采用5分制在大血管、小血管、图像伪影、质量及诊断价值方面进行评分，评分标准如表1，当两个人对图像定性分析结果存在矛盾时，由另一位高年资的医生协助达成共识。

表1 图像定性评分标准

1.3.2 定量分析 将四个序列放置在同一显示区域，首先选取胼胝体和侧脑室显示最清晰的层面，勾画感兴趣区域(region of interest，ROI)，勾画区域保持基本一致，避开病灶区以及其他特殊区域，然后记录平均信号强度(mean)和背景噪声标准差(SD)，然后再选取一侧大脑前动脉A1段及A3段、大脑中动脉M1段及M3段、大脑后动脉P1段及P3段显示最佳的层面勾画ROI，记录平均信号强度和背景噪声标准差。根据参照组织的不同，将各个血管的CR值分为CR动脉/胼胝体和CR动脉/侧脑室，CR值的计算公式如下[11]：

1.4 统计学方法采集到的数据用SPSS 26.0软件进行统计学分析，根据数据是否符合正态分布，以()(正态分布)或中位数及四分位间距(非正态分布)表示连续变量。采用单因素重复测量方差分析比较CS4、CS_AI4、CS8、CA_AI8 4个序列的CR值差异。采用Friedman检验比较四个序列间定性评分结果的差异。多重比较采用Bonferroni矫正。采用Kappa检验方法分析评估2名医师主观评分的一致性。当P＜0.05时，表示差异具有统计学意义。

2 结果

2.1 研究对象基本情况在43例受试者中，MRA显示27例被试颅内血管正常，3例是烟雾病，2例有血栓形成，11例被试有不同程度颅内血管狭窄(见图1)。

图1 一例烟雾病及正常血管MRA图像。人工智能重建的CS_AI4及CS_AI8图像信噪比优于常规重建CS4及CS8。

图2 表3.1 CS4、CS_AI4、CS8及CS_AI8序列图像定性评估结果

图3 表4 评估图像质量 CR动脉/胼胝体/CR动脉/侧脑室

2.2 图像定性分析结果根据评分标准独立评分后，两位放射科医生分别提交评分数据。经统计，两位放射科医生对于图像主观评价一致性较好，Kappa值见表2，两位医生协商之后的定性结果见表3.1-3.2。

表2 定性评估一致性Kappa检验结果

表3.1 CS4、CS_AI4、CS8及CS_AI8序列图像定性评估结果

表3.2 评分图像质量CR值

表4 评估图像质量 CR动脉/胼胝体/CR动脉/侧脑室

2.3 图像定量分析评价统计分析结果发现，当压缩感知加速因子相同时，使用AI重建方法的序列CR值会明显高于使用CS重建的CR值，即CS_AI4的CR值明显高于CS4，CS_AI8的CR值明显高于CS8；当压缩感知加速因子不同时，在大血管的显示上，CS4的CR值明显高于CS8，在小血管的显示上CS4和CS8无明显差异；在A1、M1、P1、P3的显示上，CS_AI8的CR值明显高于CS_AI4，在A3、M3的显示上CS_AI4和CS_AI8无明显差异。

将所得的四种序列图像分为六组，两两序列进行匹配比较，根据比较结果CS4 -CS_AI4，CS4 -CS_AI8，CS_AI4 -_CS8，CS8-CS_AI8图像质量差异有统计学意义(P＜0.001)，CS4 -CS8，CS_AI4 -CS_AI8，图像质量比较差异均无有统计学意义(P＞0.001)。

3 讨论

并行成像技术可以用于所有脉冲序列，与其他加速技术一起使用可完成二次加速，但是会受到物理条件的限制，会同时引入成像伪影和降低信噪比。分段加速技术对于加速因子的设置要求较高，加速因子太小不能有效地缩短图像采集时间但加速因子过大会降低图像质量，影响检查效果。

人工智能重建技术主要是通过设计计算机程序，对于数据本身进行处理，从数据中提取特征和信息，如表达、回归、分类等操作对未知数据进行预测。人工智能作为近些年来的研究热点，已广泛应用于计算机视觉、语言处理、机器人以及医学图像领域。

在医学影像方面，人工智能可以通过设计程序提取图像信息，对疾病进行分类、检测、识别、诊断及预测[12-13]。人工智能一定程度上可以减少由于主观差异带来的误差，为临床工作者提供更精准、更快捷的诊疗帮助[14]。同时人工智能也可以对数据再处理，运用优化算法进行图像去噪、伪影校正、图像分割和重建，达到提高图像质量的目的[15-17]。

在这项研究中，采用了具有2种不同加速因子的 CS序列，不同加速因子的CS序列分别使用了传统的重建方法和AI重建方法，将传统的重建效果和AI重建的效果进行比较；加速因子为4的CSSENSE序列加传统重建方式可以提供良好的图像质量，当加速因子从4增加到8时，采集速度明显加快，采集时间明显减少，但图像质量明显下降，经过AI重建的CS_AI8图像，图像质量得到了明显改善，包括所有动脉的可视化、定性伪影、整体图像质量分数，以及诊断的可靠度。定性分析中CS_AI8图像质量优于CS4，但无明显统计学差异。定量分析中CRCS_AI8显著高于CRCS4。在远端小血管的显示上，CS_AI8序列相较于CS4序列仍然存在不足，但是经过统计学分析显示二者并无明显差异。因此，CS_AI8在大幅度降低序列采集时间的前提下，仍旧可以获得与CS4 差不多的图像质量。

本次研究存在一定的局限性，由于时间原因，本研究仅比较了CS8及CS4两个加速因子，有文献报道CS4的TOF MRA序列可代替无加速因子的MRA，所以本研究采用CS4为参考标准，CS6的采集时间缩短较少，CS10及以上加速因子的图像质量较差，本研究未纳入分析。其次本研究纳入病例仅包括了3种脑血管病变(烟雾病、血栓和血管狭窄)。不同CS加速因子的MRA对其他可能的血管病变的表现仍值得进一步研究。

在3D TOF MRA序列成像方面，人工智能重建技术具有明显的优势，与CS4相比，CS8结合AI之后，在保证图像质量的前提下，CS_AI8将扫描时间缩短约49.52%，可以为无法耐受长时间磁共振检查的患者提供便利，大大提高采集效率，具有较高的临床应用价值。