机构名称：
¥ 2.0
由于低领域的MRI技术已被传播到临床环境中，因此重要的是要评估正确诊断和治疗给定疾病所需的图像质量。在对正在进行的随机临床试验的事后分析中，我们评估了降低质量和深度学习增强图像的诊断效用，用于脑积水治疗计划。图像因分辨率，噪声和大脑和CSF之间的对比而降低，并使用深度学习算法增强。将降解和增强的图像均呈现给三个经验丰富的儿科神经外科医生，习惯于在LMIC中工作，以评估脑积水治疗计划中的临床实用性。结果表明，大脑和CSF之间的图像分辨率和对比度与噪声比率预测了有用的脑积水治疗计划的可能性。对于具有128x128分辨率的图像，对比度为2.5的比率具有很高的有用可能性（91％，95％CI 73％至96％； P = 2E-16）。深度学习增强了128x128的图像，其对比度非常低（1.5）和有用的概率较低（23％，95％，95％CI 14％至36％； P = 2E-16）增加了有用的明显可能性的可能性，但会带来明显的有用的可能性，但带来了误导性的误解=误导的误解=误导=误导的误解（cn）的实质性风险（cn）的误解（cn）的误解（cn）的实质性=（cn）的误解（cn）的误解=误导（cn）的误解（cn）的误解（cn）=误导后的误解（cn）。 21％，95％CI 3％至32％；较低的质量图像通常被认为是临床医生可以接受的，这对于计划脑积水治疗可能很有用。使用低质量图像的深度学习增强时，我们发现了误导结构错误的重大风险。这些发现提倡新标准，以评估可接受的图像质量以供临床使用。
量化低分辨率脑成像的效用
主要关键词
相关文件推荐
