噪声指数联合深度学习图像重建对肺部CT图像质量和辐射剂量的影响
李鑫1
徐龙1
贾永军2
于楠2
于勇2
段海峰3
1.陕西中医药大学医学技术学院,陕西 咸阳 7120002.陕西中医药大学附属医院医学影像科,陕西 咸阳 7120003.陕西中医药大学医学技术学院,陕西 咸阳 712000;陕西中医药大学附属医院医学影像科,陕西 咸阳 712000
摘要：目的 探讨深度学习图像重建(DLIR)在超低剂量肺部CT成像中的应用价值.方法 选取2024年3～4月在陕西中医药大学附属医院行肺部CT平扫患者66例.所有患者均采用GE Revolution CT扫描,固定管电压100 kVp,第1次采用噪声指数(NI)=15的常规辐射剂量扫描,滤波反投影算法重建图像;第2次采用NI=45的超低辐射剂量扫描,中、高等强度深度学习图像重建(DLIR-M、DLIR-H)进行对比.在3组重建图像上测量左上肺乏血供区域CT值与标准差值(SD),SD代表噪声,计算信噪比(SNR).由2位放射科诊断医师采用5分法进行主观评价,比较3组客观数值和主观评分.结果 NI=45组约减少93.7%辐射剂量;DLIR强度影响超低剂量条件下客观指标,DLIR-H较DLIR-M有更低的噪声,更高的SNR(P＜0.05);2位医师对3组图像质量一致性评价好(Kappa值为0.952、0.846、0.903);对比3组图像质量评分、图像合格率及满意率,差异无统计学意义(P＞0.05).结论 在减少93.7%辐射剂量条件下,DLIR能够获得与常规剂量接近的肺部图像,进一步减低了肺部疾病筛查的辐射剂量.
关键词：超低剂量肺部CT深度学习图像质量辐射剂量
资助基金：陕西省教育厅青年创新团队科研计划项目(23JP036)
论文发表日期：2024-10-28
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：5( 1091-1095 )
英文信息