ClearInfinity算法权重对颅脑能谱CTA中虚拟单能图像质量的影响
徐军1
黄一豪2
刘志伟2
李昌伟2
柏雪2
宁先英2
胡孝梨3
罗昆2
吴红英2
孔祥闯2
1.长江大学医学部,湖北 荆州 4340232.华中科技大学同济医学院附属协和医院放射科,武汉 430022;湖北省精准智能放射诊断与介入治疗临床医学研究中心,武汉 430022;湖北省分子影像重点实验室,武汉 4300223.武汉亚洲心脏病医院放射科,武汉 430022
摘要：目的:探讨基于深度学习的ClearInfinity(CI)算法权重对颅脑能谱CTA中 55 keV虚拟单能图像(VMIs)质量的影响,为临床优化重建参数提供依据.方法:回顾性纳入 38例已行颅脑能谱CTA成像的患者,对其原始数据使用权重 10%、30%、50%、70%以及 90%CI算法重建 5组 55keV VMIs.通过测量血管CT值、灰质CT值、背景噪声(BN)、信噪比(SNR)及对比噪声比(CNR)进行客观评价,并由两名放射科医生对图像噪声、血管边缘及细节显示进行整体评分.结果:各权重组图像的血管(右颈内动脉、右大脑中动脉、基底动脉)及灰质的CT值均无统计学差异.各权重组图像的BN、SNR及CNR均存在统计学差异,且BN随权重增加而逐渐降低,SNR和CNR随权重增加而逐渐升高.5组图像的主观评分存在统计学差异,平均分由高到低依次为4.95±0.22(50%CI)、4.87±0.36(70%CI)、4.74±0.48(90%CI)、4.66±0.58(30%CI)和 4.03±0.62(10%CI).结论:CI算法权重影响图像质量,权重过低会因噪声过高而损害图像质量,权重过高则会致使图像过度平滑、模糊,进而丢失微小结构.因此,本研究推荐选择50%CI算法重建颅脑能谱CTA中的55 keV VMIs.
关键词：能谱CTA深度学习颅脑CTA图像质量ClearInfinity
分类号：TP18(自动化基础理论)R814(放射医学)
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：7( 67-73 )
英文信息