Valutazione quantitativa dell’impatto sul SNR del Deep Resolve - Gain (Siemens) nelle sequenze morfologiche nella CMR

The purpose of this study is to quantitatively analyse the effect of the artificial intelligence-based reconstruction algorithm implemented by Siemens called Deep Resolve Gain. The data were taken from routine clinical examinations performed at the Giovanni XXIII nursing home in Monastier di Treviso. The sequence examined is a TSE T2 sequence with fat suppression (SPAIR), acquired following the plane called short axis. The algorithm, which may or may not be applied retrospectively in the images thanks to post-processing starting from the raw data, was applied to all the data sets in its maximum denoising value, an intermediate value and a null value, so as to compare for the same patient its impact. The calculation of SNR, performed following the technique proposed in the article :’ (Allen D. Elster (2020, August 28). How do you meaure signal-to-noise in an image? . Questions and Answers in MRI. https://s.mriquestions.com/signal-to-noise.html) ’, showed an objective increase in the signal-to-noise ratio in the image, thus demonstrating the effectiveness of using these artificial intelligence algorithms.

Lo scopo di questo studio è quello di andare ad analizzare quantitativamente l’effetto dell’algoritmo di ricostruzione basato sull’intelligenza artificiale implementato da Siemens che prende il nome Deep Resolve Gain. I dati sono stati prelevati da esami clinici di routine eseguiti presso la Casa di Cura Giovanni XXIII di Monastier di Treviso. La sequenza presa in esame è una sequenza TSE T2 con soppressione del grasso (SPAIR), acquisita seguendo il piano denominato asse corto. L’algoritmo, che è possibile applicare o meno anche a posteriori nelle immagini grazie a post processing partendo dai dati grezzi, è stato applicato a tutti i data set nel suo massimo valore di denoising, a un valore intermedio e un valore nullo, così da confrontare per lo stesso paziente il suo impatto. Il calcolo dell’SNR, eseguito seguendo la tecnica proposta dall’articolo :” (Allen D. Elster (2020, August 28). How do you meaure signal-to-noise in an image? . Questions and Answers in MRI. https://s.mriquestions.com/signal-to-noise.html) “, ha evidenziato un oggettivo incremento del rapporto segnale - rumore nell’immagine dimostrando così l’efficacia nell’uso di questi algoritmi di intelligenza artificiale.