乳腺MRI常规包括静脉注射钆基造影剂（GBCA）后获取对比增强（CE）图像系列。在重要的研究结果中经常发现，GBCA有助于对比与新血管生成改变和/或细胞外GBCA分布模式相关的组织变化。然而，GBCA管理的必要性可能会限制可及性。GBCA的使用增加了乳腺MRI的直接和间接成本，挑战了低危和中危人群筛查的成本效益。这是由于即使缩短了MRI扫描时间，患者的准备时间也会增加，以及GBCA本身的成本。

最近，一些研究表明，使用深度学习从非增强采集中生成虚拟对比增强（vCE）乳腺MRI扫描在技术上是可行的。鉴于这一研究领域的新颖性，在用于训练vCE成像神经网络的输入数据的选择方面，文献中还观察到很大的可变性。采用了各种方案，包括单独的T1加权（T1w）序列[14,15]，T1w和T2加权（T2w）图像采集的组合，以及更复杂的弥散加权成像（DWI）方案。

最近，发表在European Radiology 上的一篇文章探讨了T1加权（T1w）、T2加权（T2w）和弥散加权成像（DWI）的不同组合对虚拟对比增强（vCE）乳腺MRI表现的影响。

本项回顾性研究包括2017年至2020年获得的1064张多参数乳腺MRI扫描（年龄：52±12岁）（单部位，2张3-T MRI）。通过训练11个独立的神经网络，从T1w、T2w和多b值DWI序列（b值= 50-1500 s/mm²）的不同输入组合中获得vCE图像。三位阅读者对vCE图像进行了定性评分，包括诊断图像质量、图像清晰度、对比度/信噪比满意度、病变/非肿块增强显著性。分析定量指标（SSIM、PSNR、NRMSE和中位对称精度），并对全乳体积、增强和非增强目标结果的输入组合进行统计比较。

独立测试集由187例患者组成。在vCE训练中加入多b值DWI序列时，定量指标的目标结果显著改善（p < 0.05）。在比较T1w等输入组合时，定量指标对全乳体积的影响无统计学意义（p > 0.05）。在vCE训练期间使用T1w和DWI采集是必要的，以获得对比度/信噪比的高满意度和增强结果的良好显著性。具有三个b值的T1w、T2w和DWI序列的输入组合表现出最好的定性性能。

图 从阅读特征依赖性来看，前三名是表现最好的组合

本项研究表明，输入序列对vCE乳腺MRI表现有显著影响。其中，在形态学T1w-/T2w序列中加入多b值DWI作为模型训练的输入，vCE图像的定量指标和视觉质量均显著提高。

原始出处：

Andrzej Liebert,Hannes Schreiter,Lorenz A Kapsner,et al.Impact of non-contrast-enhanced imaging input sequences on the generation of virtual contrast-enhanced breast MRI scans using neural network.DOI:10.1007/s00330-024-11142-3