深度学习图像重建实现胸部能谱CT虚拟平扫对真实平扫的临床替代
徐龙1
李鑫2
党珊3
于楠2
贾永军3
段海峰4
1.西电集团医院医学影像科,陕西 西安 7100772.陕西中医药大学医学技术学院,陕西 咸阳 7120463.陕西中医药大学附属医院医学影像科,陕西 咸阳 7120004.西电集团医院医学影像科,陕西 西安 710077;陕西中医药大学医学技术学院,陕西 咸阳 712046
摘要：目的 探索深度学习图像重建(DLIR)在优化胸部能谱CT虚拟平扫(VNC)图像质量的应用价值.方法 前瞻性收集2024年6～10月于陕西中医药大学附属医院行胸部能谱CT真实平扫(TNC)及双期增强扫描的45例患者.采用ASIR-V50%权重重建120 kVp-like图像作为真实平扫对照图像(TNC-AR50),基于动脉期和静脉期增强数据,分别采用中、高等级DLIR(DLIR-M和DLIR-H)重建4组VNC图像(VP-VNC-DM、VP-VNC-DH、AP-VNC-DM、AP-VNC-DH).在5组图像(TNC-AR50+4组VNC)上测量主动脉、皮下脂肪、竖脊肌及病灶的CT值、噪声(SD),并计算信噪比(SNR)和对比噪声比(CNR).采用单因素方差分析和Kruskal-Wallis检验比较客观指标.2位放射科医师独立采用5分制Likert量表对整体图像质量及病灶可见性进行主观盲法评价.结果 在客观图像质量评价上,VP-VNC-DH组图像质量优于TNC-AR50,且5组图像间的CT值差异无统计学意义(P>0.05);VP-VNC-DH组的图像噪声最低,SNR、CNR最高.在主观评价方面,VP-VNC-DH组的图像质量评分最高且在病灶显示度方面表现最佳.胸部CT增强扫描时,有、无TNC扫描的总有效辐射剂量分别为9.40±0.41 mSv和6.27±0.28 mSv.无TNC扫描,总辐射剂量减少约33.3%.结论 在胸部增强CT检查中,基于DLIR(尤其是静脉期DLIR-H)重建的VNC图像质量显著优于基于ASIR-V 50%重建的TNC,且CT值一致性良好.推荐采用静脉期DLIR-H重建VNC图像替代真实平扫,以有效降低辐射剂量.
关键词：深度学习重建算法虚拟平扫胸部CT辐射剂量
资助基金：陕西省教育厅青年创新团队科学研究计划项目(24JP049)
论文发表日期：2026-01-20
在线出版日期：2026-02-04（本平台首次上网日期，不代表文献的发表时间）
页数：6( 44-49 )
英文信息