【目的】探讨基于机器学习的迭代图像重建算法在骨骼系统磁共振(MRI)扫描中的应用价值。【方法】选取在中南大学湘雅二医院进行1.5 T MRI扫描的87例骨骼系统疾病患者,先进行常规序列扫描,再对其常规扫描的T 1WI和T 2WI等序列协议进行体...【目的】探讨基于机器学习的迭代图像重建算法在骨骼系统磁共振(MRI)扫描中的应用价值。【方法】选取在中南大学湘雅二医院进行1.5 T MRI扫描的87例骨骼系统疾病患者,先进行常规序列扫描,再对其常规扫描的T 1WI和T 2WI等序列协议进行体素大小、激励次数等参数修改,将其扫描时间减少后再进行扫描,扫描后所获图像导入基于机器学习的迭代图像重建算法软件IQMR进行处理,将所获得的图像用定量和定性两种方法进行统计学分析。【结果】在扫描时间缩短30%的序列使用基于机器学习的迭代图像重建算法处理后,骨骼系统图像质量与常规成像序列图像质量比较,差异无统计学意义(P>0.05)。【结论】基于机器学习的迭代图像重建算法不仅可实现骨骼系统快速成像,并在快速成像的同时可得到与常规成像序列相似的图像质量,提高了工作效率。展开更多
文摘【目的】探讨基于机器学习的迭代图像重建算法在骨骼系统磁共振(MRI)扫描中的应用价值。【方法】选取在中南大学湘雅二医院进行1.5 T MRI扫描的87例骨骼系统疾病患者,先进行常规序列扫描,再对其常规扫描的T 1WI和T 2WI等序列协议进行体素大小、激励次数等参数修改,将其扫描时间减少后再进行扫描,扫描后所获图像导入基于机器学习的迭代图像重建算法软件IQMR进行处理,将所获得的图像用定量和定性两种方法进行统计学分析。【结果】在扫描时间缩短30%的序列使用基于机器学习的迭代图像重建算法处理后,骨骼系统图像质量与常规成像序列图像质量比较,差异无统计学意义(P>0.05)。【结论】基于机器学习的迭代图像重建算法不仅可实现骨骼系统快速成像,并在快速成像的同时可得到与常规成像序列相似的图像质量,提高了工作效率。
