Evaluasi Klinis Pencitraan Diffusion-Weighted yang Dipercepat pada Kanker Rektum Menggunakan Jaringan Neural Denoising

Denoising deep learning memungkinkan DWI rektum yang lebih cepat dengan akurasi diagnostik yang terjaga

I. Petkovska; O. Alus; Lee Rodriguez; M. El Homsi; J. G. Golia Pernicka; Maria Clara Fernandes; Jun-Ting Zheng; M. Capanu; R. Otazo· European Journal of Radiology· 2024· DOI 10.1016/j.ejrad.2024.111802

Masalah inti

Restaging MRI rektum setelah terapi neoadjuvan total (TNT) sangat penting untuk menilai penyakit residual dan memandu keputusan pengobatan. Pencitraan diffusion-weighted (DWI) merupakan komponen kunci protokol MRI rektum, memberikan informasi fungsional yang melengkapi sekuens anatomis. Namun, akuisisi DWI standar memerlukan beberapa repetisi untuk mencapai signal-to-noise ratio (SNR) yang memadai, sehingga waktu pemindaian menjadi panjang, dapat membuat pasien tidak nyaman, dan membatasi throughput klinis. Mempercepat DWI dengan mengurangi jumlah repetisi secara inheren menurunkan SNR, berpotensi menurunkan kualitas gambar dan akurasi diagnostik. Teknik denoising deep learning menawarkan solusi yang menjanjikan dengan menghilangkan noise dari akuisisi yang dipercepat, sehingga memulihkan kualitas gambar. Studi ini mengevaluasi efektivitas convolutional neural network (CNN) yang dilatih untuk melakukan denoising pada akuisisi DWI yang dipercepat pada pasien kanker rektum lokal lanjut yang menjalani MRI restaging setelah TNT. Tujuan utamanya adalah menilai kualitas gambar, visibilitas lesi, dan akurasi diagnostik DWI yang dipercepat dan didenoising dibandingkan DWI standar, serta me

Inovasi

Sebanyak 46 pasien (usia median 60 tahun [IQR: 47-72]; 37 pria dan 9 wanita) diikutsertakan. Gambar dengan percepatan 8 dan 16 kali, setelah denoising, mempertahankan atau menunjukkan visibilitas lesi dan kualitas gambar yang lebih baik dibandingkan gambar asli yang diakuisisi dengan 16 repetisi. Gambar yang didenoising mempertahankan akurasi diagnostik, dengan spesifisitas kondisional hingga 96%. Kesepakatan antar-pembaca berada pada tingkat sedang hingga tinggi, menunjukkan penilaian gambar dan diagnostik yang andal. Hasil uji keseluruhan untuk rekonstruksi DWI yang didenoising berkisar 76-98%, menunjukkan penurunan interpretasi ambigu. Hasil ini menunjukkan bahwa denoising memungkinkan percepatan substansial tanpa mengorbankan performa klinis.

Restaging MRI rektum setelah terapi neoadjuvan total (TNT) sangat penting untuk menilai penyakit residual dan memandu keputusan pengobatan. Pencitraan diffusion-weighted (DWI) merupakan komponen kunci protokol MRI rektum, memberikan informasi fungsional yang melengkapi sekuens anatomis. Namun, akuisisi DWI standar memerlukan beberapa repetisi untuk mencapai signal-to-noise ratio (SNR) yang memadai, sehingga waktu pemindaian menjadi panjang, dapat membuat pasien tidak nyaman, dan membatasi throughput klinis. Mempercepat DWI dengan mengurangi jumlah repetisi secara inheren menurunkan SNR, berpotensi menurunkan kualitas gambar dan akurasi diagnostik. Teknik denoising deep learning menawarkan solusi yang menjanjikan dengan menghilangkan noise dari akuisisi yang dipercepat, sehingga memulihkan kualitas gambar. Studi ini mengevaluasi efektivitas convolutional neural network (CNN) yang dilatih untuk melakukan denoising pada akuisisi DWI yang dipercepat pada pasien kanker rektum lokal lanjut yang menjalani MRI restaging setelah TNT. Tujuan utamanya adalah menilai kualitas gambar, visibilitas lesi, dan akurasi diagnostik DWI yang dipercepat dan didenoising dibandingkan DWI standar, serta mengevaluasi kesepakatan antar-pembaca.

Studi retrospektif satu pusat ini melibatkan pasien kanker rektum lokal lanjut yang menjalani MRI rektum restaging antara 30 Desember 2021 dan 1 Juni 2022 setelah TNT. Convolutional neural network dilatih menggunakan data DWI untuk melakukan denoising pada akuisisi yang dipercepat, yang dilakukan dengan jumlah repetisi lebih sedikit (percepatan 8 kali dan 16 kali) dibandingkan akuisisi standar 16 repetisi. Dua radiolog secara independen menilai karakteristik gambar dan penyakit residual pada gambar asli maupun yang telah didenoising. Analisis statistik mencakup uji Wilcoxon signed-rank untuk membandingkan skor kualitas gambar antara gambar yang didenoising dan gambar asli, statistik kappa berbobot untuk menilai kesepakatan antar-pembaca, serta perhitungan ukuran akurasi diagnostik. Studi ini bertujuan menentukan apakah DWI yang dipercepat dan didenoising dapat mempertahankan performa diagnostik sekaligus mengurangi waktu pemindaian. Arsitektur jaringan denoising dapat direpresentasikan sebagai CNN mirip U-Net yang menerima input DWI ber-noise dan menghasilkan gambar yang telah didenoising, dilatih dengan loss mean squared error:

Mengapa penting

Penerapan jaringan neural denoising pada akuisisi DWI rektum yang dipercepat secara signifikan mengurangi waktu pemindaian sekaligus mempertahankan kualitas gambar dan akurasi diagnostik. Spesifisitas tinggi (hingga 96%) dan hasil uji yang lebih baik (76-98%) menunjukkan bahwa DWI yang didenoising dapat menilai penyakit residual setelah TNT secara andal, berpotensi mengurangi interpretasi ambigu dan merampingkan alur kerja klinis. Kesepakatan antar-pembaca yang sedang hingga tinggi semakin mendukung ketangguhan pendekatan ini. Namun, batasan studi meliputi desain retrospektif satu pusat dan ukuran sampel yang relatif kecil. Studi mendatang perlu memvalidasi temuan ini secara prospektif di berbagai pusat dan mengeksplorasi integrasi denoising ke dalam protokol klinis rutin. Secara keseluruhan, teknik ini menawarkan jalur yang menjanjikan untuk penatalaksanaan kanker rektum yang lebih efisien, mengurangi beban pasien, dan meningkatkan throughput MRI.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…