深度学习图像重建算法在肝脏增强CT成像中改善图像质量及辐射剂量的应用价值
杨硕1
别依凡1
庞国栋1
李行超1
刘平2
1.山东大学第二医院医学影像中心 山东 济南 2500332.山东中医药大学第二附属医院放射科 山东 济南 250001
摘要：目的 探讨深度学习图像重建算法(DLIR)对肝脏增强CT延迟期图像质量、辐射剂量的影响.方法 选取因可疑肝肿块行腹部增强CT扫描患者70例,随机分为常规剂量组(A组)35例和低剂量组(B组)35例,对A、B两组患者延迟期数据分别进行30.0％迭代重建算法(ASIR-V 30.0％)、中等级DLIR(DLIR-M)、高等级DLIR(DLIR-H)重建,亚组分别命名为AAS-30、ADL-M、ADL-H,BAS-30、BDL-M、BDL--H.比较AAS-30、ADL-M、ADL-H算法间,BAS-30、BDL-M、BDL-H算法间,以及AAS-30与BDL-M、BDL-H算法间图像噪声、信噪比(SNR)、对比噪声比(CNR)及主观图像质量评分的统计学差异.结果 在A组间和B组间,DLIR算法图像噪声、SNR、CNR和主观图像质量评分均优于ASIR-V 30.0％图像(均P＜0.01),以DLIR-H图像噪声最低,SNR、主观评分最高.在有效辐射剂量降低81L-0％时,BDL-M算法图像噪声、SNR、CNR与AAS-30算法差异无统计学意义(均P＞0.05),但主观图像质量评分仍略高于AAS-30算法(3.00±0.41 vs2.32±0.47,P＜0.01),BDL-H算法图像噪声、SNR、CNR和主观图像质量评分均优于AAS-30算法(均P＜0.01),且BDL-M、BDL-H算法图像主观评分均能基本满足临床诊断需求(主观评分≥3分).结论 DLIR算法可显著提高肝脏增强CT图像质量,并可在保证临床诊断质量的同时,显著降低扫描辐射剂量.
关键词：肝脏体层摄影术X线计算机深度学习重建图像质量辐射剂量
分类号：R575(消化系及腹部疾病)R814.42(放射医学)
论文发表日期：2023-05-28
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( 785-789 )
英文信息