抽象的
磁共振成像（MRI）改变了兽医诊断，但其较长的扫描时间会带来诸多问题，尤其是在检查过程中动物需要镇静的情况下。然而，缩短扫描时间又可能导致图像质量和诊断可靠性的下降。因此，我们开发了一种基于生成对抗网络（GAN）的去噪算法，称为HawkAI。在本研究中，我们采集了标准护理（SOC）MRI序列和一种速度更快的序列，并将HawkAI应用于后者。随后，我们请放射科医生使用李克特量表（1分表示强烈偏好HawkAI，5分表示强烈偏好SOC）对两种序列的图像进行定性评估。目的是证明放射科医生在信噪比（SNR）和诊断方面至少对两种序列没有偏好。在信噪比 (SNR) 方面，他们略微倾向于 HawkAI（置信区间 (CI) 为 [1.924–2.176]）；在伪影、诊断相关性和病灶清晰度方面，他们没有偏好（置信区间分别为 [2.933–3.113]、[2.808–3.132] 和 [2.941–3.119]）；在空间分辨率和图像对比度方面，他们对 SOC 略有偏好（置信区间分别为 [3.153–3.453] 和 [3.072–3.348]）。这表明，与耗时更长的采集过程相比，可以在不造成任何重大缺陷的情况下，以两倍的速度采集图像。