头颈联合3D-TOF-MRA人工智能辅助压缩感知序列的优化.pdf

磁共振成像2024年4月第15卷第4期ChinJMagnResonImaging,Apr,2024,Vol.15,No.4技术研究｜｜TechnicalArticles

头颈联合3D-TOF-MRA人工智能

辅助压缩感知序列的优化

袁畅，张煜堃，曹家骏，宋清伟，苗延巍*

作者单位大连医科大学附属第一医院放射科,大连116011

*通信作者苗延巍，E-mail:ywmiao716@163.com

中图分类号R445.2；R743.3文献标识码ADOI10.12015/issn.1674-8034.2024.04.022

本文引用格式袁畅,张煜堃,曹家骏,等.头颈联合3D-TOF-MRA人工智能辅助压缩感知序列的优化[J].磁共振成像,2024,

15(4):139-144,152.

[摘要]目的通过比较施加不同加速因子（accelerationfactors,AF）的并行采集（parallelimaging,PI）、压缩感知

（compressedsensing,CS）、人工智能-压缩感知（artificialintelligencecompressedsensing,ACS）技术的头颈联合三维时间飞跃法

磁共振血管成像（three-dimensionaltime-of-fightmagneticresonanceangiography,3D-TOF-MRA）的图像质量，选取优化序列。

材料与方法前瞻性招募24例健康志愿者，以PI的AF为3（PI3）、CS的AF分别为4和6（CS4、CS6）以及ACS的AF分别

为4、6、8、10（ACS4、ACS6、ACS8、ACS10）进行头颈联合3D-TOF-MRA扫描。扫描时间：PI3=8min40s；CS4=

6min38s；CS6=4min9s；ACS4=5min24s；ACS6=4min30s；ACS8=4min13s；ACS10=3min24s。分别在双侧大脑中

动脉（middlecerebralartery,MCA）M1段、双侧颈内动脉（internalcarotidartery,ICA）C4段、颈动脉分叉处下5个层面的双侧

颈总动脉（commoncarotidartery,CCA）以及MCA及ICA同一层面的颞叶白质，CCA同一层面的胸锁乳突肌作为背景区域勾画

感兴趣区（regionsofinterest,ROI），记录信号强度（signalintensity,SI）及标准差（standarddeviation,SD），从而计算信噪比

（signal-to-noiseratio,SNR）与对比噪声比（contrast-to-noiseratio,CNR）。采用四分法和五分法分别对整体图像质量以及颅内动

脉、颈部大动脉进行评分。以组内相关系数（intra-classcorrelationcoefficient,ICC）比较两名放射医师之间及同一名放射医师内

客观评价结果的一致性，Kappa检验比较两名放射医师之间及同一名放射医师内主观评价结果的一致性，若一致性良好，则选

取其中一位医师的客观评分及主观评分进行后续统计分析。采用单因素方差分析或Kruskal-Wallis检验对客观评分以及主观评分

进行总体差异比较，若差异具有统计学意义则进行两两比较。结果与PI技术比较显示，ACS4~ACS8的SNRL-MCA，ACS8、

ACS10的CNRL-MCA，ACS4、ACS6、ACS10的CNRR-MCA，ACS4~ACS10的SNRR-MCA、SNRL-CCA、CNRL-CCA，ACS6~ACS10的

SNRR-CCA、CNRR-CCA均高于PI3，差异具有统计学意义（P0.05）。与CS技术比较显示，ACS4~ACS10的SNRR-MCA、CNRL-MCA及

CNRR-MCA，ACS4~ACS8的SNRL-MCA、SNRL-CCA、SNRR-CCA、CNRL-CCA、CNR