深度学习重建在COPD低剂量胸部CT中的应用价值
张孝勇1
薛莉薇1
汤博荣2
林琼3
叶雄鑫1
郑莞怡1
林晓娟2
项铃2
刘元芬1
1.福建医科大学附属协和医院 放射科,福州 3500002.福建医科大学医学影像学院,福州 3501223.福建医科大学附属协和医院 呼吸内科,福州 350000
摘要：目的:比较深度学习图像重建(DLIR)低剂量胸部CT与迭代重建(ASIR-V)标准剂量胸部CT在慢性阻塞性肺疾病(COPD)患者中的图像质量.方法:前瞻性纳入 106例患者,分别进行标准剂量(SD)和低剂量(LD)胸部CT扫描.LD组采用ASIR-V(LD-AR)及3种强度DLIR(LD-DL/DM/DH)重建,SD组采用ASIR-V重建(SD-AR).测量或计算解剖结构的噪声(SD值)、信噪比(SNR)和对比噪声比(CNR),并由医师进行主观图像质量评分.结果:SD组和LD组有效辐射剂量分别为(4.0±1.37)mSv和(1.14±0.47)mSv.LD-DLIR图像的噪声均低于SD-AR,SNR及CNR更高,其中LD-DH组最优.主观评分显示LD-DLIR图像在噪声水平、解剖结构及肺气肿显示方面均优于SD-AR图像,以LD-DH评分最高.结论:DLIR算法可在降低 71.5%剂量的同时显著提升COPD患者胸部CT的图像质量,以DLIR-H效果最佳.
关键词：深度学习图像重建辐射剂量慢性阻塞性肺疾病图像质量迭代重建
分类号：R814(放射医学)TP18(自动化基础理论)R563(呼吸系及胸部疾病)
资助基金：福建省自然科学基金项目(2025J01786)福建卫健委科技计划自助项目(2024TG004)
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：8( 94-101 )
英文信息