深度学习重建算法在60 kVp超低管电压CT成像中的定量精度与噪声抑制性能:模体研究
曹博宣1
边兆英1
胡志2
刘恩3
崔骐3
文戈2
周建伟2
马建华4
王昊1
曾栋1
1.南方医科大学生物医学工程学院,广州 5105152.南方医科大学南方医院 放射科,广州 510515;南方医科大学南方医院 影像中心,广州 5105153.东软医疗系统股份有限公司,沈阳 1101674.南方医科大学生物医学工程学院,广州 510515;西安交通大学生命科学技术学院,西安 710049
摘要：本研究系统评估深度学习重建算法(如ClearInfinity,CI)在 60 kVp超低管电压CT成像条件下的CT值测量准确性与图像噪声抑制能力,并与滤波反投影(FBP)及混合迭代重建(如ClearView,CV)进行比较.采用含不同碘浓度插入物(40、28、22、12、6、3和 2 mg/mL)的CT性能模体,在NeuViz Epoch Elite CT扫描仪上进行扫描(60 kVp,386 mA),重复6次.图像分别使用FBP、CV(20%、40%、60%、80%)及CI(同等强度)重建.测量碘插入物的CT值、图像噪声SD值及变异系数(cv),并计算绝对百分比偏差(APB)与对比噪声比(CNR).结果显示,CI在 40%重建强度下具有最优的定量准确性,80%强度下展现最强的降噪能力,最大SD降幅可达 79.59%.在所有强度水平下,CI在APB、噪声抑制能力(尤其在低碘浓度时)、测量稳定性与CNR方面均展现出显著优于CV和FBP的性能.本研究结果证实CI是实现低噪声、低偏差、高稳定的超低剂量CT成像的有效解决方案.
关键词：低剂量CT图像噪声变异系数深度学习重建
分类号：TP18(自动化基础理论)R144.1(放射卫生)
论文发表日期：2026-01-31
在线出版日期：2026-03-06（本平台首次上网日期，不代表文献的发表时间）
页数：9( 58-66 )
英文信息