超低剂量胸部CT结合深度学习重建可用于肺结节评估
樊秋菊1
吴海波2
谭辉1
郭炎兵1
马光明1
于楠1
1.陕西中医药大学附属医院影像科,陕西 咸阳 7120002.中卫市人民医院脑病科,宁夏 中卫 755000
摘要：目的 探讨超低剂量CT(ULDCT)结合深度学习重建(DLIR)算法在肺结节评估中的可行性.方法 于2023年6月～11月在陕西中医药大学附属医院前瞻性纳入142例因肺结节复查的患者,同时接受标准剂量CT检查(SDCT)和超低剂量CT检查(ULDCT).SDCT采用基于多模型的迭代重建40%(ASIR-V40%)(A组),ULDCT分别采用ASIR-V40%(B组)和高强度深度学习重建(DLIR-H)(C组).记录两种扫描方式的辐射剂量和3组图像人工检测结节数.测量3组图像肺组织、主动脉、肌肉的CT值和噪声值(SD),并计算各组织的信噪比(SNR).采用双盲法对3组图像肺结节的恶性征象(毛刺、分叶、空洞或空泡、胸膜牵拉征、血管穿行)进行5分制主观评分.以病理诊断为金标准,对比分析超低剂量和常规剂量胸部 CT检查对肺结节恶性征象的诊断效能.对3组图像的定量指标和主观评分进行统计学分析.结果 ULDCT相较于SDCT辐射剂量降低约92.7%,差异有统计学意义(P<0.05).C组图像肺组织、主动脉和肌肉的SD值低于B组,信噪比高于B组,肺结节恶性征象的显示能力优于B组(P<0.05),与A组的差异无统计学意义(P>0.05).3组图像肺结节检出数量分别为187、179、187个.与病理结果对照,A组和C组诊断恶性肺结节的效能均高于B组,差异有统计学意义(P<0.05).结论 超低剂量胸部CT结合深度学习重建能够获得与标准剂量 ASIR-V40%重建相当的图像质量,且对肺结节的检出及征象显示良好,临床可用于对肺结节的评估.
关键词：肺结节超低剂量深度学习重建图像质量
资助基金：陕西省教育厅青年创新团队科研计划项目(23JP035)陕西省教育厅青年创新团队科研计划项目(23JP036)咸阳市重点研发计划项目(L2023-ZDYF-SF-048)
论文发表日期：2024-11-28
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：6( 1189-1194 )
英文信息