深度学习重建算法优化低kV头颈CT血管成像图像质量的价值
申利1
任占丽1
彭荟1
于勇1
张明2
于楠3
燕洋洋1
1.陕西中医药大学附属医院影像科,陕西 咸阳 7120002.西安交通大学医学部,陕西 西安 7100613.陕西中医药大学医学技术学院,陕西 咸阳 712000
摘要：目的 探讨深度学习重建(DLIR)算法优化低kV头颈CT血管成像(CTA)图像质量的应用价值.方法 分析2024年10月～2025年2月在陕西中医药大学附属医院行头颈CTA检查的患者60例,采用80 kV、智能毫安(50～400 mA),对比剂用量40 mL,流速4 mL/s,对比剂注射时间10 s进行扫描.扫描结束后分别重建40%自适应迭代重建算法-V(ASIR-V40%)、低水平深度学习重建算法(DLIR-L)、中等水平深度学习重建算法(DLIR-M)、高水平深度学习重建算法(DLIR-H)图像.测量主动脉弓、双侧颈总动脉开口上方2 cm、椎动脉V1段、基底动脉近心端、大脑中动脉M1段及颞肌的CT值和SD值,并计算信噪比(SNR)和对比噪声比(CNR).由2位影像科医生采用5分法对图像进行双盲法主观评分.比较4种不同重建算法血管SD值、CT值、CNR值及SNR值和主观评分.结果 各血管CT值在4种重建算法之间的差异无统计学意义(P>0.05).随着ASIR-V40%、DLIR-L、DLIR-M、DLIR-H重建水平逐渐增高,4种图像SD值呈依次降低趋势,CNR和SNR呈增高趋势,其中DLIR-H的SD值最低、CNR和SNR最高,且DLIR-L、DLIR-M、DLIR-H重建SD、SNR、CNR值与ASIR-V40%间的差异均有统计学意义(P<0.05).与ASIR-V40%相比较,DLIR-H重建图像主动脉弓、颈总动脉开口上方2 cm、椎动脉V1段、基底动脉近端、大脑中动脉M1段的SNR和CNR分别提高约69.0%、48.3%、48.3%、51.6%、56.4%和68.0%、55.9%、48.2%、51.6%、56.6%,SD值分别降低了约40.2%、35.8%、30.6%、33.2%、35.3%,DLIR-H、DLIR-M及DLIR-L主观评分均高于ASIR-V40%(P<0.05).结论 在头颈CTA血管成像中,与ASIR-V40%比较,DLIR重建可以进一步降低图像噪声,提高图像质量,因此DLIR算法可用于提升低kV头颈CTA的图像质量.
关键词：头颈部CT血管成像低kV深度学习图像质量
资助基金：陕西省教育厅一般专项科学研究计划项目(24JK0401)
论文发表日期：2025-11-20
在线出版日期：2025-12-16（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1364-1368 )
英文信息