深度学习重建算法在上腹部CT成像中的应用

摘要：

目的:通过分析比较自适应统计迭代重建(ASIR)算法和深度学习重建(DLIR)算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值.方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR(30％、50％、70％、90％)和深度学习重建算法(DL-L、DL-M、DL-H)重建图像,共7组.测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比(SNR)和对比噪声比(CNR),采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较.结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义.② DL-L 与 ASIR50％、DL-M 与 ASIR 70％、DL-H 与 ASIR 90％间各 ROI 处 CT 值、SD 值、SNR值、CNR值无差异.③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H算法的SNR值高于ASIR30％、ASIR50％,SD值低于除ASIR 90％外的其余5组重建算法.④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR90％、DL-L、ASIR70％、ASIR50％、ASIR30％图像噪声依次增加.结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高.

关键词：深度学习、自适应统计迭代重建、计算机断层成像

所属期刊栏目：31

分类号：O242;R814(计算数学)

资助基金：四川省科技厅重点研发项目2020YFS0123

在线出版日期：2022-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：329-336