深度学习图像重建提升标准肝脏密度体模CT扫描图像质量
潘志杰1
刘玲2
李卿瑶1
曲婷婷1
张帅2
解学乾1
1.上海交通大学医学院附属第一人民医院放射科,上海 2000802.通用电气医疗系统中国CT影像研究中心,上海 210000
摘要：目的:通过使用不同的扫描剂量,扫描模拟标准肝脏密度体模,比较深度学习重建技术(DLIR)与自适应统计迭代重建技术(ASIR-V)重建图像的质量.方法:使用Gammex标准CT体模模拟标准肝脏密度的插入物(ρew=1.06),在 6种不同辐射剂量水平(容积CT剂量指数(CTDIvol):30、20、15、10、7.5和 4.5mGy)下进行CT扫描.随后,使用DLIR技术和ASIR-V算法,对每种剂量下获得的图像进行重建.通过imQuest软件对图像进行质量分析,使用Bland-Altman方法比较DLIR算法在 4.5mGy(本实验采用的最低辐射剂量)和ASIR-V在 15mGy(肝脏扫描推荐剂量)下的图像质量.结果:在 6种剂量水平下,DLIR在噪声、信噪比、对比噪声比和可检测度等关键指标上,均显著优于ASIR-V.Bland-Altman分析结果表明,在 4.5mGy的剂量水平下,DLIR的图像质量显著优于ASIR-V在 15mGy剂量水平下的表现;在 4.5mGy下DLIR图像的噪声为(17.41±0.32),显著低于ASIR-V在 15mGy的(21.17±0.67);在 4.5mGy下DLIR的信噪比、对比噪声比和可检测度分别为(3.21±0.24),(3.42±0.35)和(8.81±0.63),显著高于ASIR-V在 15mGy剂量下的(2.69±0.14);(2.87±0.11)和(5.61±1.28).结论:在模拟标准肝脏密度的局灶性病变体模CT扫描实验中,DLIR相较于ASIR-V,不仅显著提升信噪比,对比噪声比和可检测度值,而且大幅度降低图像噪声.DLIR技术能够在4.5mGy的较低辐射剂量下,实现优于常规15mGy剂量下ASIR-V重建图像的质量效果.
关键词：深度学习体模CT辐射剂量
分类号：TP18(自动化基础理论)TP391.41(计算技术、计算机技术)R575(消化系及腹部疾病)
资助基金：上海市第一人民医院领军人才培养项目(SHLJxxq)上海市第一人民医院重点学科临床研究项目(CCTR-2022ZD01)
论文发表日期：2025-07-31
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：9( 677-685 )
英文信息