深度学习重建算法在颌面部CT成像中的应用效果
苏蕾1
魏凯通2
胡丽丽1
梁晓雪1
马雅晴2
孙强2
1.郑州大学第一附属医院放射科 河南 郑州 4500522.郑州大学第一附属医院口腔颌面外科 河南 郑州 450052
摘要：目的 探讨深度学习重建算法在颌面部CT成像中的应用效果.方法 选取因外伤、感染性病变、肿瘤性病变行颌面部CT成像患者 56 例,随机分为常规剂量组(A组)28 例和低剂量组(B组)28 例,对两组静脉期扫描数据分别进行 50%迭代重建算法(ASIR-V 50%)、DLIR-M、DLIR-H重建,亚组分别命名为AAS-50%、ADL-M、ADL-H、BAS-50%、BDL-M、BDL-H.比较两组各亚组间图像噪声、信噪比(SNR)、对比噪声比(CNR)及主观图像质量评分差异.结果 BAS-50%组的SD最高,ADL-H组SD值最低,A组和B组DL-M和DL-H的SNR和CNR均高于ASIR-V 50%组,SD值均低于ASIR-V 50%,差异均有统计学意义(P均<0.05).ADL-H组分别与BDL-M、BDL-H组比较,差异均有统计学意义(P均<0.05),BDL-M、BDL-H组间比较,差异均有统计学意义(P 均<0.05).在辐射剂量降低 33%时,DL-M 和 DL-H 组主观评价仍高于 ASIR-V 50%组,差异有统计学意义(P<0.05).结论 深度学习重建算法用于颌面部CT成像可改善图像质量,有效降低辐射剂量.
关键词：深度学习体层摄影术X线计算机颌面部图像重建辐射剂量
分类号：R445.3(诊断学)R782(口腔颌面部外科学)
资助基金：河南省科技厅科技攻关项目(232102310282)河南省教育厅高校重点科研项目(25A320070)河南省教育厅高校重点科研项目(24A320056)
论文发表日期：2025-07-30
在线出版日期：2025-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：4( 23-26 )
英文信息