抽象的
磁振造影（MRI）改變了獸醫診斷，但其較長的掃描時間會帶來許多問題，尤其是在檢查過程中動物需要鎮靜的情況下。然而，縮短掃描時間又可能導致影像品質和診斷可靠性的下降。因此，我們開發了一種基於生成對抗網路（GAN）的去噪演算法，稱為HawkAI。在本研究中，我們收集了標準護理（SOC）MRI序列和一個速度更快的序列，並將HawkAI應用於後者。隨後，我們請放射科醫師使用李克特量表（1分錶示強烈偏好HawkAI，5分錶示強烈偏好SOC）對兩種序列的影像進行定性評估。目的是證明放射科醫師在訊號雜訊比（SNR）和診斷方面至少對兩種序列沒有偏好。在信噪比 (SNR) 方面，他們略微傾向於 HawkAI（置信區間 (CI) 為 [1.924–2.176]）；在偽影、診斷相關性和病灶清晰度方面，他們沒有偏好（置信區間分別為 [2.933–3.113]、[2.808–3.132] 和 [2.945.29419. 1.9419. 1.9419；略有偏好（信賴區間分別為 [3.153–3.453] 和 [3.072–3.348]）。這表明，與耗時更長的採集過程相比，可以在不造成任何重大缺陷的情況下，以兩倍的速度擷取影像。