合成FLAIR替代急性中風FLAIR

流體衰減反演恢複(FLAIR)是一種常用的估計急性缺血性卒中年齡的序列。時間信息對於考慮靜脈注射組織型纖溶酶原激活劑(tPA)治療缺血性腦卒中至關重要。合成FLAIR與傳統FLAIR相比的一個關鍵優勢是它在臨床環境中減少掃描時間的潛力。深度學習擴散加權成像(Deep learning of diffusion-weighted imaging, DWI)可以生成合成的FLAIR圖像，縮短MRI時間。然而，合成FLAIR圖像相對較差的圖像質量一直是深度學習能夠解決的一個限製因素。

法國研究人員檢查了861名急性缺血性中風患者4.5小時內的數據集，包括彌散加權成像和FLAIR序列。深度學習算法在1134次掃描上進行訓練，並在另外282次掃描上進行測試，以生成模仿FLAIR圖像的圖像。該算法不同於以往的技術，它依賴於生成對抗網絡，而不是明確獲得的MRI信號。四位讀者比較了合成的FAIR圖像和真實的FLAIR圖像的盲評，發現一致性大於80%。因此，可以從DWI圖像中可靠地導出合成FLAIR圖像。

更重要的是，真實FLAIR與合成FLAIR對急性缺血性腦卒中的診斷價值沒有差異。研究人員可以使用合成的FLAIR圖像來識別DWI-FLAIR不匹配，這是缺血性中風的早期標記。合成FLAIR圖像的靈敏度和特異性(分別為85%和92%)與真實FLAIR圖像(82%和92%)相似。總的來說，使用合成成像而不是真實的FLAIR成像可以在臨床方麵減少所需的卒中MRI協議采集時間(25%)。

來源:放射學