査読付き論文
深層学習に基づく画像再構成を用いたMRIの診断能向上：焦点性てんかんが疑われる患者における側頭葉てんかんの診断
要約
本研究では、SwiftMRを脳てんかんイメージングの画質向上に用いる実現可能性を検討しました。研究では、thin-slice脳MRIの画質と微細構造描出能を改善するためにSwiftMRを活用し、標準画像（SOC）の3mm MRIとSwiftMR処理された1.5mm画像と比較を行いました。結果、SwiftMRは正常な解剖学的構造の明瞭さと先鋭度、および微小なてんかん病変の検出精度を著しく向上させることが明らかになりました。さらに、この研究は、SwiftMR処理画像におけるこれらの病変の検出精度が、SOCと比較して著しく向上したことを指摘しています。これらの結果は、SwiftMRが画質向上に潜在的な可能性を有し、放射線科医がてんかんの診断をより正確に行う一助になりうる可能性を示しています。
なぜこれが重要なのか
Thin-slice画像は、脳のてんかん病変を正確に評価するために必要とされます。しかしながら、より薄いスライスは、画質を維持するための追加措置を講じない限り、SNRの低下を招く傾向があります。SwiftMRは、このSNRの低下を補う機能を備えており、これにより臨床医がてんかん病変を正確に特定するためのより明瞭で鮮明な画像を再構成し、患者様の検査結果を改善します。
本研究の方法、結果、および本研究が示唆する内容に関する詳細な情報については、全文研究論文が閲覧可能であり、神経領域における画像診断に深層学習がどのように革命をもたらすかについて、詳細な見解をご覧いただけます。
Suh PS, Park JE, Roh YH, et al. Improving Diagnostic Performance of MRI for Temporal Lobe Epilepsy With Deep Learning-Based Image Reconstruction in Patients With Suspected Focal Epilepsy. Korean J Radiol. 2024;25(4):374-383. doi:10.3348/kjr.2023.0842
