低剂量CT图像重建算法对脑出血检测性能的影响
符帅1
李明强2
边兆英1
马建华1
1.南方医科大学生物医学工程学院,广东 广州 510515;广州市医用放射成像与检测技术重点实验室,广东 广州 5105152.琶洲实验室,广东 广州 510515
摘要：目的 探究低剂量CT图像重建算法对脑出血检测性能的影响.方法 对正常剂量(定义为100％dose)脑出血CT图像进行低剂量CT成像仿真,仿真剂量包括30％、25％和20％dose.采用7种CT图像重建算法进行图像重建,以实现抑制低剂量CT图像噪声,包括滤波反投影算法(FBP)、惩罚加权最小二乘的全变分(PWLS-TV)、非局部均值滤波(NLM)、3维块匹配(BM3D)、残差编码解码卷积神经网络(REDCNN)、FBP卷积神经网络(FBPConvNet)和图像恢复迭代残差卷积网络(IRLNet).基于深度学习方法的脑出血检测模型(CNN-LSTM)对正常剂量图像和7种重建算法得到的图像进行脑出血检测.对7种重建算法与正常剂量图像的脑出血检测结果进行比较,评估不同重建算法对脑出血检测性能的影响.结果(1)对于同一算法,剂量对脑出血检测性能的影响:在30％、25％和20％dose下,FBP算法脑出血检测正确率分别为82.21％、74.61％和65.55％.(2)在相同剂量(30％dose)下,不同图像重建算法对脑出血检测性能的影响:FBP、PWLS-TV、NLM、BM3D、REDCNN、FBPConvNet和IRLNet算法的脑出血检测正确率分别为82.21％、86.80％、89.37％、81.43％、90.05％、90.72％和93.51％.(3)IRLNet算法在30％、25％和20％dose下的脑出血检测正确率分别为93.51％、93.51％和93.06％.结论 剂量和重建算法的选择对脑出血检测性能有显著影响,临床中选择合适的剂量和算法组合能在大幅度降低辐射剂量同时保证脑出血检测性能.
关键词：低剂量CT成像脑出血检测深度学习
资助基金：国家自然科学基金(U1708261)国家重点研发计划(2020YFA0712201)
论文发表日期：2022-02-20
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( 223-231 )
英文信息