基于深度学习的前列腺MRI视野自动规划（斜冠状面和斜轴面）

这对患者和医生为何重要

前列腺MRI已经成为发现和随访前列腺癌的重要工具，但影像质量仍高度依赖于进行每次扫描的放射技师个人操作。本研究探讨人工智能能否接管这一关键的设置步骤，从而让男性无论在何处接受扫描，都能获得更一致、更可靠的图像，同时不拖慢繁忙的MRI工作流程。

对准视窗的挑战

当放射技师规划前列腺MRI时，必须精确决定扫描窗口（即视野）的位置和角度。指南描述了如何倾斜该窗口以便医生清晰观察前列腺及其邻近结构，但在实际操作中，这一步既费时又因人而异。位置和角度的细微差别可能模糊关键细节，降低对结果的信心，有时还会导致需重复扫描，增加时间成本并给患者带来额外压力。

教计算机规划视野

研究人员构建了一个基于图像识别网络的深度学习系统，用以自动执行视野规划。研究团队使用来自公开数据集的1400余例前列腺MRI扫描，专家首先标注出骨盆中最佳的切面，并在两个对于前列腺影像学重要的倾斜方向上绘制理想的扫描窗口。随后团队以两步训练其系统：一个网络学习在矢状面（侧视图）影像中选择最有用的切面，第二个网络学习为该具体患者在合适的位置、大小和角度绘制两个斜向扫描框。

对系统的检验

为评估计算机能否达到人工水平，作者将其与有经验的读片者以及一名经验较少的评分者进行了比较。他们衡量了切面选择的差异、计算机与人工绘制扫描框的重叠度，以及角度和位置的差别。该系统随后在来自三家医院的530例新扫描上进行了测试，这些医院使用的扫描仪型号、磁场强度和成像设置各异，反映了真实临床中的多样性。在这些站点中，计算机绘制的视野与专家绘制的视野的重叠度通常超过五分之四，角度差异仅为几度，类似于人类评分者之间的差别。

计算机规划在临床中的实用性

五位读片者评估了每个计算机建议是否足以用于真实诊断工作，重点考查前列腺和精囊是否被完整覆盖。总体而言，超过98%的情况下，自动规划的扫描被评为临床可接受，匹配甚至超过了经验较少人员的一致性。少数失败案例主要与体积非常大或形状异常的前列腺有关，此类情况下腺体超过了常见的区域。作者建议通过在训练中加入更多此类困难病例的示例并模拟常见的影像噪声，能使系统更稳健。

这对未来前列腺扫描意味着什么

这项多中心研究表明，深度学习系统可以接管前列腺MRI中的关键规划步骤，并在不同医院和扫描仪上实现与熟练放射技师相当的精度。通过可靠地选择合适切面并绘制角度得当的扫描窗口，该工具可缩短设置时间、减少操作员间的差异，并帮助经验较少的人员产生高质量影像。尽管该模型仍需在更广泛、多样化的数据和扫描仪上进行进一步测试，但它指向了一个前列腺MRI更标准化、高效且一致性的未来，为各地患者带来益处。

引用: Quinsten, A.S., Wetter, A., Raczkowski, M. et al. Deep learning-based automatic field of view planning for prostate MRI in oblique coronal and oblique axial planes. Sci Rep 16, 14731 (2026). https://doi.org/10.1038/s41598-026-52248-6

关键词: 前列腺MRI, 深度学习, 视野（field of view）, 医学影像自动化, 前列腺癌诊断