ĐÁNH GIÁ HIỆU QUẢ CẢI THIỆN CHẤT LƯỢNG HÌNH ẢNH CỦA CÔNG NGHỆ DEEP RESOLVE TRÊN MÁY CỘNG HƯỞNG TỪ 0.55 TESLA Ở NGƯỜI BỆNH CHẤN THƯƠNG KHỚP GỐI TẠI BỆNH VIỆN ĐA KHOA TỈNH QUẢNG NINH
Nội dung chính của bài viết
Tóm tắt
Mục tiêu nghiên cứu: Mô tả đặc điểm hình ảnh chấn thương khớp gối có sử dụng Deep Resolve và đánh giá hiệu quả của phần mềm này trong việc cải thiện chất lượng hình ảnh chấn thương khớp gối trên máy cộng hưởng từ (MRI) 0.55 Tesla.
Đối tượng và phương pháp nghiên cứu: Nghiên cứu cắt ngang mô tả, so sánh hình ảnh trước và sau xử lý. Trên 42 người bệnh ≥18 tuổi có chỉ định chụp MRI do chấn thương khớp gối tại Bệnh viện Đa khoa tỉnh Quảng Ninh.
Kết quả: Chỉ số tỷ lệ tín hiệu trên nhiễu (SNR) sau khi sử dụng Deep Resolve tăng đáng kể: 59,9% trên xung T1W Coronal, 46,9% trên T2W Sagittal và 58,5% trên PD FatSat Axial (p < 0,001). Chỉ số tỷ lệ tương phản trên nhiễu (CNR) tăng lần lượt 58,7% (T1W Coronal), 59,7% (T2W Sagittal) và 69,2% (PD Axial Fatsat) (p < 0,001). Các bác sĩ đều nhận định hình ảnh có ứng dụng Deep Resolve ít nhiễu hơn, sắc nét hơn và có chất lượng tổng thể vượt trội (p < 0,001). Mức độ đồng thuận chẩn đoán giữa hai bác sĩ đạt mức rất cao với chỉ số Kappa Cohen là 0,876.
Kết luận: Ứng dụng Deep Resolve nâng cao đáng kể chất lượng hình ảnh trên hệ thống MRI từ trường thấp 0.55T trên cả tiêu chí khách quan (SNR, CNR) và chủ quan từ nhận định của bác sĩ.
Từ khóa
Cộng hưởng từ, Deep Resolve, Chấn thương khớp gối, 0.55 Tesla, Chất lượng hình ảnh
Chi tiết bài viết
Tài liệu tham khảo
2. Lopez Schmidt, I., et al.(2023), Diagnostic Image Quality of a Low-Field (0.55T) Knee MRI Protocol Using Deep Learning Image Reconstruction Compared with a Standard (1.5T) Knee MRI Protocol. J Clin Med. 12(5).
3. Kiryu, S., et al., (2023) Clinical Impact of Deep Learning Reconstruction in MRI. RadioGraphics, 43(6): p. e220133.
4. Netter Shelbourne KD, Gray T. (2009) Minimum 10-Year Results After Anterior Cruciate Ligament Reconstruction: How the Loss of Normal Knee Motion Compounds Other Factors Related to the Development of Osteoarthritis After Surgery. The American Journal of Sports Medicine; 41(7):1526-1533.
5. Heiss, R., & Pogarell, T. (2023). Imaging of the musculoskeletal system using 0.55T MRI. Siemens Healthineers.
6. Carson, B., Maile, P., Sielicki, J., & Gulay, T. V. (2023). Clinical user perspective of deep learning image reconstruction techniques (Deep Resolve) for improved MRI capabilities. Siemens Healthineers.
7. Johnson, P. M., Lin, D. J., Zbontar, J., Muckley, M., Babb, J. S., Kline, M., Samim, M., Walter, W. R., Sodickson, D. K., Recht, M. P., Zitnick, C. L., Sriram, A., Ciavarra, G., Alaia, E., Calderon, L., Knoll, F., & Pock, T. (2023). Deep Learning Reconstruction Enables Prospectively Accelerated Clinical Knee MRI. Radiology, 307(2).
8. Donners, R., Vosshenrich, J., Gutzeit, A., Bach, M., Schlicht, F., Obmann, M. M., Harder, D., & Breit, H.-C. (2024). New-Generation 0.55 T MRI of the Knee Initial Clinical Experience and Comparison With 3 T MRI. Investigative Radiology, 59(4), 298–305.