S'abonner

Deep learning reconstruction for accelerated high-resolution upper abdominal MRI improves lesion detection without time penalty - 02/03/25

Doi : 10.1016/j.diii.2024.09.008 
Jan M. Brendel a, Johann Jacoby b, Reza Dehdab a, Judith Herrmann a, Stephan Ursprung a, Sebastian Werner a, Sebastian Gassenmaier a, Dominik Nickel c, Konstantin Nikolaou a, d, Saif Afat a, Haidara Almansour a,
a Department of Radiology, Diagnostic and Interventional Radiology, Tuebingen University Hospital, University of Tuebingen, 72076 Tuebingen, Germany 
b Institute of Clinical Epidemiology and Applied Biometry, Tuebingen University Hospital, University of Tuebingen, 72076 Tuebingen, Germany 
c Department of MR Application Predevelopment, Siemens Healthineers, 91301 Forchheim, Germany 
d Cluster of Excellence iFIT (EXC 2180) "Image-guided and Functionally Instructed Tumor Therapies", University of Tübingen, 72076 Tuebingen, Germany 

Corresponding author. Hoppe-Seyler-Str. 3 Tuebingen 72076 Germany

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Highlights

Deep-learning reconstruction enabled accelerated high-resolution VIBE (HR-VIBE DL ) within the same 16-second breath-hold demonstrates superior overall abdominal image quality compared to conventional VIBE.
Lesion conspicuity is better on HR-VIBE DL images by comparison with conventional VIBE images ( P = 0.005).
Detection of upper abdominal lesions is improved using HR-VIBE DL images (500/513; 97.5 %) by comparison with conventional VIBE images (478/513; 93.2 %) ( P = 0.002).

Le texte complet de cet article est disponible en PDF.

Abstract

Purpose

The purpose of this study was to compare a conventional T1-weighted volumetric interpolated breath-hold examination (VIBE) sequence with a DL-reconstructed accelerated high-resolution VIBE sequence (HR-VIBE DL ) in terms of image quality, lesion conspicuity, and lesion detection.

Materials and methods

Consecutive patients referred for upper abdominal MRI between December 2023 and March 2024 at a single tertiary center were prospectively enrolled. Participants underwent 1.5 T upper abdominal MRI with acquisition of spectrally fat-saturated unenhanced and gadobutrol-enhanced conventional VIBE (fourfold acceleration, 3.0 mm slice thickness, 72 axial slices) and HR-VIBE DL (sixfold acceleration, 2.0 mm, 108 slices). Both sequences had an identical acquisition time of 16 s. Image analysis was performed by three readers in a blinded and randomized fashion, with respect to image quality, lesion conspicuity, and lesion detection in liver, pancreas, spleen, lymph nodes and adrenal glands. Image quality parameters were compared using repeated measures analysis of variance. Lesion detection rates were compared using Fisher exact test. Inter-reader agreement was assessed using Fleiss κ test.

Results

Among 744 consecutive patients, 50 participants were evaluated. There were 30 men and 20 women, with a mean age of 60 ± 15 (standard deviation [SD]) years (age range: 18–88 years). HR-VIBE DL images demonstrated superior signal-to-noise ration and edge sharpness by comparison with conventional VIBE images ( P < 0.001 for both), with substantial interreader agreement (κ: 0.70–0.90). Lesion conspicuity was higher with for HR-VIBE DL images (3.50 ± 0.83 [SD]) by comparison with conventional VIBE images (3.21 ± 0.98 [SD]) ( P = 0.005). There were 171 upper abdominal lesions, yielding a total of 513 for all three readers. HR-VIBE DL images yielded higher lesion detection rate (97.5 %; 500/513) compared to conventional VIBE images (93.2 %; 478/513) ( P = 0.002).

Conclusion

HR-VIBE DL images of the upper abdomen result in superior image quality, better lesion conspicuity, and improved lesion detection without time penalty by comparsion with conventional VIBE images.

Le texte complet de cet article est disponible en PDF.

Keywords : Deep learning, High-resolution, Lesion detection, Upper abdominal MRI, Volumetric interpolated breath-hold examination (VIBE)

Abbreviations : DL, HR, MRI, SD, SNR, VIBE


Plan


© 2024  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 106 - N° 3

P. 85-92 - mars 2025 Retour au numéro
Article précédent Article précédent
  • Shaping the future of MRI in upper abdominal imaging: The promise of deep learning reconstruction
  • Anita Paisant, Sébastien Mulé
| Article suivant Article suivant
  • Standard of care versus standard of care plus Ericksonian hypnosis for percutaneous liver biopsy: Results of a randomized control trial
  • Maxime Barat, Camille Ollivier, Linda Taibi, Véronique Nitsche, Philippe Sogni, Philippe Soyer, Lucia Parlati, Anthony Dohan, Hendy Abdoul, Marie-Pierre Revel

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.