抽象的な
この分析的な横断的方法比較研究では、獣医患者向けに特別に開発されたDICOMベースの深層学習（DL）ノイズ除去アルゴリズムを使用した場合と使用しない場合の両方で、30匹の犬と猫の脳MR画像を評価しました。定量的比較は、各患者の同一のT2強調（T2W）、T2-FLAIR、およびグラジエントエコー（GRE）MR脳画像（ノイズ除去前とノイズ除去後）の同一の関心領域で、信号対雑音比（SNR）とコントラスト対雑音比（CNR）を測定することによって行いました。
次に定性的な比較を行った。経験豊富な獣医放射線科医3名が、各患者のT2W、T2-FLAIR、およびGRE画像シリーズをそれぞれ独立して評価した。ノイズ除去前とノイズ除去後の画像は別々に評価され、評価者は評価対象の画像の種類を知らされていなかった。各画像タイプ（ノイズ除去前とノイズ除去後）およびパルスシーケンスタイプの画像について、粗さ、コントラスト、および全体的な品質に関する主観的な評価を付与した。
テストしたすべての画像シリーズ（T2W、T2-FLAIR、GRE）において、皮質灰白質、皮質下白質、深部灰白質、および内包のSNRは、DLノイズ除去アルゴリズムで処理した画像の方が、元の画像よりも統計的に有意に高かった。同様に、テストしたすべての画像シリーズにおいて、皮質灰白質と白質の間、および深部灰白質と内包の間のCNRは、DLアルゴリズムで処理した画像の方が、元の画像よりも有意に高かった。
定性分析でもこれらの結果が確認され、DLノイズ除去アルゴリズムで処理された画像は、一般的に粗さ、コントラスト、および全体的な品質スコアが優れていた。
本研究では、このDICOMベースのDLノイズ除去アルゴリズムにより、1.5T MRIで撮影された犬と猫の脳画像のノイズが低減され、放射線科医が認識する画像品質が向上した。