深度学习重建算法在上腹部CT成像中的应用
温德英
杨杰尹
汪琴
李臻
王寒箫
汪艾杰
邓巧
唐露
伍希
姚晋
卢春燕
孙家瑜
四川大学华西医院放射科,成都610041
摘要：目的:通过分析比较自适应统计迭代重建(ASIR)算法和深度学习重建(DLIR)算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值.方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR(30％、50％、70％、90％)和深度学习重建算法(DL-L、DL-M、DL-H)重建图像,共7组.测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比(SNR)和对比噪声比(CNR),采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较.结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义.② DL-L 与 ASIR50％、DL-M 与 ASIR 70％、DL-H 与 ASIR 90％间各 ROI 处 CT 值、SD 值、SNR值、CNR值无差异.③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H算法的SNR值高于ASIR30％、ASIR50％,SD值低于除ASIR 90％外的其余5组重建算法.④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR90％、DL-L、ASIR70％、ASIR50％、ASIR30％图像噪声依次增加.结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高.
关键词：深度学习自适应统计迭代重建计算机断层成像
分类号：O242(计算数学)R814(放射医学)
资助基金：四川省科技厅重点研发项目(2020YFS0123)
论文发表日期：2022-05-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 329-336 )
英文信息