Kontrastmittelfreie MRA der Halsgefäße in unter einer Minute durch die Kombination von Compressed Sense und Deep Learning

Zielsetzung Evaluation der Beschleunigung einer isotropen, flussunabhängigen kontrastmittelfreien MRA (REACT) des Halses unter Verwendung von Compressed SENSE (CS) in Kombination mit Deep Learning-basierter Rekonstruktion (CS-AI).

Material und Methoden Vierunddreißig Freiwillige erhielten eine REACT der Halsgefäße bei 3T (dreifach akquiriert: (1) CS-Faktor 7 (Scan-Zeit: 1:20 min), (2) CS-Faktor 10 (0:55 min) und (3) CS-AI-Faktor 10 (0:55 min)). Zwei Radiologen bewerteten die Bildqualität von sieben arteriellen Segmenten und das Bildrauschen insgesamt. Zusätzlich wurde ein paarweiser Forced-Choice-Vergleich durchgeführt. Das scheinbare Signal- (aSNR) und Kontrast-Rausch-Verhältnis (aCNR) wurde gemessen, und die Bildschärfe wurde durch Berechnung des Kantenanstiegsabstands (ERD) bewertet. Für den Vergleich mit CS7, das als aktueller klinischer Standard angesehen wurde, wurden multiple t-Tests und nichtparametrische Tests mit Bonferroni-Korrektur durchgeführt.

Ergebnisse Im Vergleich zu CS7 zeigte CS10 niedrigere Bildqualitätswerte (p<0,001), während CS10-AI bessere Ergebnisse erzielte (p=0,010). Das Bildrauschen war zwischen CS7 und CS10 ähnlich (p=0,138), während CS10-AI ein geringeres Rauschen aufwies (p=0,008). Die paarweisen Vergleiche ergaben eine Präferenz für CS7 gegenüber CS10 (p<0,001), aber keine Präferenz zwischen CS7 und CS10-AI (p>0,999). Im Vergleich zu CS7 waren aSNR und aCNR bei CS10 geringer (p<0,001) und die ERD war länger (p=0,004), während CS10-AI bessere aSNR und aCNR (p=0,001) lieferte und keinen Unterschied in der ERD zeigte (p=0,776).

Schlussfolgerungen REACT mit CS-AI ermöglicht die kontrastmittelfreie Darstellung der Halsgefäße in weniger als einer Minute, ohne relevante Beeinträchtigung der Bildqualität. Weitere Studien sind erforderlich, um diese Ergebnisse bei Patienten zu bestätigen und die diagnostische Genauigkeit in Bezug auf vaskuläre Pathologien wie Stenosen oder Dissektionen zu bewerten.

Publication History

Article published online:
25 March 2025