低管电压联合深度学习图像重建算法在降低胸腹部联合增强CT辐射剂量的价值
綦维维
程瑾
陈楚韩
安备
刘晓怡
付玲
王屹
北京大学人民医院放射科,北京 100044
摘要：目的:探讨在胸腹部联合增强CT扫描中,应用低管电压联合深度学习图像重建算法(DLIR)对降低辐射剂量及图像质量的影响.方法:①模体实验.确定低管电压结合深度学习算法对低对比度分辨力鉴别的可行性.按照不同图像质量参数噪声指数(NI)扫描Catphan 500模体,使用两种扫描条件,优化组扫描参数选择低管电压 80kV结合DLIR进行扫描和图像重建;常规组扫描参数和图像重建算法选择管电压 120 kV结合自适应统计迭代重建(ASiR-V),确定优化组条件使用低剂量(NI>9)时低对比度分辨力相对于常规组使用常规剂量(NI=9)的NI值和有效性.②前瞻性实验.前瞻性收集常规进行胸腹部联合增强CT扫描的患者 160例,随机分为低剂量优化组和常规剂量常规组,最终入组 149例,低剂量优化组 61例,常规剂量常规组 88例.根据模体实验的结果确定的低剂量优化组NI优,扫描参数选择优化组条件;常规剂量常规组NI为 9,扫描参数和图像重建算法选择常规组条件.记录并计算两组间的辐射剂量并对两组的图像质量进行主、客观评价.结果:低剂量优化组使用NI优=12可以获得常规剂量组NI=9等效的低对比度分辨能力;低剂量优化组的有效剂量(9.56±2.34)mSv低于常规剂量常规组(17.82±5.22)mSv;低剂量优化组的肝脏衰减值、主动脉衰减值显著高于常规剂量常规组,肝脏及主动脉CNR和SNR值显著高于常规剂量常规组,主动脉空间分辨力、肝总动脉空间分辨力、门静脉空间分辨力及小血管/支气管显示情况也均优于常规剂量常规组.结论:低管电压联合深度学习图像重建算法能够在降低辐射剂量的条件下,仍保证同等甚至更高的胸腹部联合CT扫描图像质量,为大范围CT扫描辐射剂量的优化提供一个可行方案.
关键词：计算机体层摄影深度学习图像重建算法低管电压辐射剂量胸腹部联合CT扫描
分类号：R814.42(放射医学)TP18(自动化基础理论)R144.1(放射卫生)
资助基金：北京大学人民医院发展与研究基金(RD-2022-25)
论文发表日期：2025-05-31
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：10( 359-368 )
英文信息