深度学习重建算法在上腹部能谱CT小血管显示中的研究
汪琴
严伟杰
袁元
唐鹤菡
邓莉萍
四川大学华西医院放射科,成都 610041
摘要：目的:探讨上腹部CT能谱增强扫描时,采用深度学习重建算法(DLIR)的单能量图像显示腹部小血管的效果和临床价值.方法:回顾性分析 2021年 2月至 2022年 6月在四川大学华西医院因上腹不适而行CT能谱增强检查的患者 28例,采用自适应统计迭代重建(ASIR-V)、DLIR-M、DLIR-H 3种重建算法进行重建,同时通过能谱后处理软件提取40keV和70keV单能量图像,共生成4组图像,分别标记为40keV-AV、40keV-DL-M、40keV-DL-H、70keV-AV.测量肝总动脉、胃左动脉、脾动脉、肠系膜上动脉CT值和SD值,同时测量相同层面竖脊肌CT值和SD值,计算各分支血管信噪比(SNR)、对比噪声比(CNR).两名放射科医师对图像噪声,图像伪影,目标血管对比度,图像"蜡状感"及图像整体质量做出主观评分.采用重复测量的单因素方差分析、配对t检验比较 4组图像间SNR、CNR及背景噪声的差异性.Kappa检验用于比较主观评价的一致性差异.结果:无论客观评价还是主观评价方面,DL-H图像的SNR、CNR、整体图像质量评分及噪声均优于DL-M,两者均优于AV图像,SNR、CNR和图像质量评分随DL强度增加而增加,噪声随着DL强度增加而降低.4组图像主观评分中,DL-H评分高于DL-M,DL-M高于AV.结论:深度学习重建算法可提高上腹部能谱增强CT 40keV单能量图像中小血管显示效果,且随强度增高,改善图像质量和降低噪声能力增强;与AV相比,DL图像重建算法对上腹部能谱增强CT检查小血管的显示能力有明显的提高.
关键词：深度学习能谱CT虚拟单能量图像腹部小血管
分类号：O242(计算数学)R445.3(诊断学)
论文发表日期：2025-01-27
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：7( 37-43 )
英文信息