动态对比增强磁共振成像（DCE-MRI）是一种灌注成像序列，在预测星形细胞瘤的世界卫生组织（WHO）分级方面很有价值，并且能够区分假性进展以及放射性效应与真正的肿瘤进展。

DCE-MRI 利用肿瘤组织特有的信号强度动态变化以及示踪剂动力学模型，来生成药代动力学（PK）参数，如容积转运常数（Ktrans）、血管外细胞外间隙分数容积（Ve）和血管血浆空间分数容积（Vp）。这些药代动力学参数不仅反映了肿瘤血管生成情况（Vp），还反映了微循环的通透性（Ktrans 和 Ve）。在神经放射学领域，DCE-MRI 的使用频率低于动态磁敏感对比磁共振成像（DSC-MRI），后者是另一种灌注成像序列。DCE-MRI 接受度较低的一个关键因素是其可靠性低。DCE-MRI 的 T1 信号强度（SI）本质上低于 DSC-MRI 的 T2 * 信号强度，这导致了较低的信噪比。这进而产生了有噪声的动脉输入函数（AIF）。此外，部分容积效应也会影响动脉输入函数的可变性。动脉输入函数在推导药代动力学参数时很重要，所以药代动力学参数的可靠性也较低。

许多研究尝试使用深度学习来解决 DCE-MRI 可靠性低的问题。先前的一项研究使用条件生成对抗网络，从 DCE-MRI 数据中合成基于 DSC-MRI 的动脉输入函数，从而提高了药代动力学参数的可靠性。另一个有趣的方法是利用卷积神经网络，直接从原始的 DCE-MRI 数据中估计药代动力学参数，绕过了对动脉输入函数进行估计的需求。这种直接估计的方法还有一个好处，即计算量较小，因为传统的基于体素的药代动力学模型拟合方法对于单个磁共振图像切片需要考虑数千个体素。

然而，深度学习算法常常被批评为黑箱模型，缺乏可解释性。最近关于胸部 X 光片的研究侧重于不确定性的量化。这个缺点在决策应用中可能会产生重大影响，尤其是在医学领域。像概率 U 型网络这样的不确定性量化方法，可以用来量化和减少不确定性的影响。

为了克服 DCE-MRI 中存在的局限性，我们引入并在临床上验证了一种时空方法，该方法将时间卷积网络与概率 U 型网络相结合。这种混合模型可以直接从 DCE-MRI 数据中估计药代动力学参数，无需选择动脉输入函数或进行药代动力学模型拟合，并且包含不确定性估计，以提高决策的可靠性。

最近，发表在European Radiology 上的一篇文章提出并评估了一种新型深度学习模型，用于直接从动态对比增强磁共振成像（DCE-MRI）中估计药代动力学（PK）参数图以及进行不确定性估计。

在这项单中心研究中，回顾性纳入了 2010 年 4 月至 2020 年 2 月期间接受术前 DCE-MRI 检查的成人型弥漫性胶质瘤患者。使用一种时空概率模型来创建合成的 PK 参数图。计算合成图与真实值（GT）图之间的结构相似性指数（SSIM）。使用组内相关系数（ICC）评估合成 PK 参数图和真实 PK 参数图的可靠性。在临床验证方面，通过受试者工作特征曲线下面积（AUROC）来预测世界卫生组织（WHO）低级别与高级别胶质瘤3，以及异柠檬酸脱氢酶（IDH）野生型与突变型。

29 名患者（平均年龄 55±15 岁，男性 197 名）符合纳入标准。与真实图相比，合成的容积转运常数（Ktrans）、血管血浆空间分数容积（Vp）、血管外细胞外间隙分数容积（Ve）参数图显示出较高的 SSIM 值（分别为 0.961、0.962、0.890）。与传统方法相比，合成 PK 参数图的 ICC 值显著更高：Ktrans 为 1.00 对比 0.68（P < 0.001），Vp 为 1.00 对比 0.59（P < 0.001），Ve 为 1.00 对比 0.64（P < 0.001）。从合成图和真实图中获得的肿瘤强化部分的 PK 值在 AUROC 方面具有可比性：（1）对于 IDH 突变预测，Ktrans 为 0.857 对比 0.842（P = 0.57）；Vp 为 0.864 对比 0.835（P = 0.31）；Ve 为 0.835 对比 0.830（P = 0.88）。（2）对于胶质瘤分级，Ktrans 为 0.934 对比 0.907（P = 0.50）；Vp 为 0.927 对比 0.899（P = 0.24）；Ve 为 0.945 对比 0.910（P = 0.24）。

图 合成和真实 PK 参数预测 IDH 突变（右）和 WHO 分级（左）的 ROC 曲线

本项研究表明，使用时空概率深度学习模型从 DCE-MRI 生成的合成 PK 参数图在不影响胶质瘤分级诊断性能的情况下，可靠性有所提高。

原文出处：

Young Wook Lyoo,Haneol Lee,Junhyeok Lee,et al.Deep learning enhances reliability of dynamic contrast-enhanced MRI in diffuse gliomas: bypassing post-processing and providing uncertainty maps.DOI:10.1007/s00330-025-11588-z

Tags： European Radiology：深度学习提高了弥漫性胶质瘤动态对比增强MRI的可靠性