Short-TR Optimization on Post-Contrast Deep Learning Synthetic MRI (DL-MAGiC) for Improved Visualization of ACTH-Secreting Pituitary Microadenomas: A Technical Feasibility Study
这项技术可行性研究表明，通过短重复时间（100 ms）和短回波时间（5–8 ms）优化对比增强后深度学习合成磁共振成像（DL-MAGiC），可以在仅产生轻微信号损失的情况下，显著提高库欣病中低增强型促肾上腺皮质激素（ACTH）分泌型垂体微腺瘤的对比噪声比和显影度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在复杂的人类健康领域，垂体是一个微小但至关重要的器官，它常被称为“主腺体”，因为它指挥着身体的激素交响乐。当一个微小的肿瘤在垂体上生长并分泌过多的促肾上腺皮质激素（ACTH）时，就会引发被称为库欣病（Cushing disease）的疾病。这种情况会导致严重的身体变化和健康风险，因此，让医生在手术前定位肿瘤的确切位置至关重要。几十年来，磁共振成像（MRI）一直是寻找这类肿瘤的金标准。然而，这项任务极其困难。肿瘤通常比一粒米还要小，而且在注射对比剂以使组织可见后，肿瘤与健康的腺体往往呈现出相似的亮度。这种缺乏差异的情况使得肿瘤容易融入背景之中，导致大量病例出现漏诊。当外科医生无法找到肿瘤时，患者可能面临重复扫描、治疗延迟，甚至不必要地切除双侧肾上腺。
研究人员早已知晓，用于拍摄 MRI 图像的设置可以改变组织的呈现方式。具体而言，被称为“重复时间”的无线电脉冲之间的间隔，以及被称为“回波时间”的信号采集时间，决定了不同组织之间的对比度。在传统的 MRI 中，这些设置在扫描开始后就固定下来了。如果初始设置无法清晰显示肿瘤，患者就必须使用不同的设置进行另一次扫描，这既耗时又增加了患者接受更多辐射或对比剂暴露的风险。一种被称为“合成 MRI”（synthetic MRI）的新技术试图通过在单次扫描中捕捉大量的原始数据来解决这个问题。通过这些数据，计算机可以在患者离开机器后，生成具有任何组合时间的图像。通过加入深度学习（一种用于清除噪声并锐化细节的人工智能形式），这项技术有望在无需重新扫描的情况下创造高质量的图像。
来自达江和北京协和医学院的一组研究人员致力于测试这种新方法是否最终能够解决寻找这些难以捉取的肿瘤的问题。他们专注于一组特定的患者，这些患者此前已被诊断患有库尸病，且其肿瘤已通过病理学证实并已手术切除。该研究涉及 49 名患者，他们接受了使用深度学习合成技术的专门 MRI 扫描。研究人员并没有仅仅观察机器生成的默认图像，而是利用计算机合成了 16 个不同版本的扫描图像，每个版本都具有独特的计时设置组合。随后，他们测量了在每个版本中，肿瘤相对于周围健康腺体的清晰度。
结果揭示了一个清晰且令人惊讶的模式。对于绝大多数肿瘤在注射对比剂后表现得比周围健康组织更暗的患者，最佳图像并非由标准设置生成的。相反，当研究人员使用极短的脉冲间隔时，肿瘤变得最为清晰。在这些最优图像中，与标准设置相比，肿瘤与腺体之间的对比度提高了近 90%。那些此前模糊且难以辨别的肿瘤变得锐利且清晰可辨。研究人员发现，当脉冲之间的间隔设置为 100 毫秒，且信号采集时间设置在 5 到 8 毫秒之间时，这种改善最为显著。虽然在这种设置下图像的整体亮度略有下降，但肿瘤与腺体之间的亮度差异增加得如此之多，以至于肿瘤变得更容易观察。
研究还观察了一组较小的群体，其中 7 名患者的肿瘤看起来比周围组织更亮。在这些案例中，改变计时设置并未对可见度产生显著影响。这种区别非常重要，因为它表明这项新技术对于最常见且最难发现的肿瘤类型特别有效。研究人员让两名资深放射科医生在不知道所用设置的情况下对图像进行了评审。医生们一致认为，使用短间隔设置的图像表现“优秀”，并指出肿瘤的边界清晰，病灶易于识别。相比之下，使用标准或较长计时设置的图像被评为“一般”或“差”，肿瘤往往看起来模糊不清，或与健康组织难以区分。
这项工作代表了 MRI 图像在拍摄后处理方式上的技术突破。研究人员证明，通过使用深度学习合成 MRI，可以在不要求患者重新扫描的情况下，找到使隐藏肿瘤可见的完美设置。研究证实，对于最常见的 ACTH 分泌型肿瘤，极短的计时设置可以创造出更清晰的图像。然而，作者谨慎地指出，这是一项可行性研究，这意味着它证明了该方法在受控环境下是有效的，但尚未证明在现实医院中使用这些设置能带来更好的手术预后。下一步，也是研究人员计划进行的，是直接在标准 MRI 机器上测试这些优化后的设置，以观察它们是否能在现实世界中改善诊断。在此之前，这项研究为如何调节机器以“看见不可见之物”提供了重要的路线图，为那些因诊断触不可及而等待的患者带来了希望。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。