
-
生物通官微
陪你抓住生命科技
跳动的脉搏
深度学习磁共振成像重建显著改变影像组学特征,并影响其可重复性和重现性
《Scientific Reports》:Deep learning MRI reconstruction significantly alters radiomic features and affects their reproducibility and repeatability
【字体: 大 中 小 】 时间:2026年08月27日 来源:Scientific Reports 4.9
编辑推荐:
摘要基于深度学习(DL)的重建技术在磁共振成像(MRI)中已被越来越多地采用,以提高图像质量;然而,其对影像组学特征稳定性的影响尚不清楚。本探索性研究评估了 DL 重建对正常犬脑 MRI 中影像组学特征值、观察者内可重复性以及测试 - 重测可重复性的影响。对九只健康犬两次采集
基于深度学习(DL)的重建技术在磁共振成像(MRI)中已被越来越多地采用,以提高图像质量;然而,其对影像组学特征稳定性的影响尚不清楚。本探索性研究评估了 DL 重建对正常犬脑 MRI 中影像组学特征值、观察者内可重复性以及测试 - 重测可重复性的影响。对九只健康犬两次采集了 T1 加权、T2 加权和 FLAIR 序列,并使用传统图像和 DL 重建图像从六个解剖区域提取影像组学特征。分别使用 Wilcoxon 符号秩检验、组内相关系数(ICCs)和变异系数(CVs)来评估数值变化、可重复性和重复性。DL 重建显著改变了跨序列和区域的大部分影像组学特征,这表明在定量分析中不应假定 DL 重建图像和非 DL 重建图像是可以互换的。对于多个特征和区域,DL 重建图像通常显示出更高的观察者内 ICCs。相反,DL 重建图像在跨序列时也倾向于显示出更高的 CVs,表明测试 - 重测可重复性较低。这些发现表明,DL 重建可能会影响影像组学特征的分布及其稳定性,这强调了在将 DL 重建 MRI 纳入影像组学工作流程或模型开发之前,需要进行仔细验证和协调。