探讨深度学习算法降低胸部CT辐射剂量的应用价值:体模研究
目的 通过比较低管电流扫描联合深度学习(DL)算法重组图像与常规扫描的胸部CT图像,探讨DL算法在低剂量胸部CT对肺部结节测量和图像质量的影响.方法 于仿真胸部体模中随机放置12个大小、密度均不同的人工球形结节.应用联影uCT760对体模进行扫描.依据管电流和不同算法重组进行分组:A组(常规扫描组):100 mAs+滤波反投影法(FBP),B1组:55 mAs+FBP,B2组:55 mAs+DL,C组:25 mAs+DL,各组均采用骨算法和标准算法重组.记录CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP).在骨算法下使用计算机辅助诊断软件(CAD)检测模拟肺结节,记录结节长径,并计算长径和体积测量的绝对错误率(APE)=100 x(V测量-V实际)/V实际.在标准算法下测量主动脉弓、心脏最大层面及椎旁软组织的CT值及噪声(SD)值,计算信噪比(SNR)、对比噪声比(CNR).由两位观察者采用独立双盲法对图像质量及肺结节显示进行5分制评价.采用配对样本t检验比较A、B、C组间及B组组内图像SD值、SNR、CNR及肺结节长径、体积的APE差异;两位放射科医师对图像主观质量评分一致性采用Kappa检验,A、B、C组间及B组组内图像主观质量评分比较采用Wilcoxon符号秩检验.结果 A组和B2组结节APE直径和APE体积差异无统计学意义(P＞0.05).C组结节APE直径和APE体积大于A组.B1组和B2组,结节APE直径和APE体积差异无统计学意义(P＞0.05).采用DL算法重组图像的主动脉弓、心脏最大层面SNR高于FBP重组图像,椎旁肌SD值低于FBP重组图像.两位观察者对各组图像质量主观评分一致性较好(Kappa值0.756～0.873).A组和B2、C组图像质量主观评分无统计学差异(P＞0.05),A组图像质量主观评分高于B1组,差异有统计学意义(P＜0.05).B组、C组有效辐射剂量(ED)较A组分别降低44.9％、75.1％.结论 应用低管电流扫描联合DL算法重组进行胸部CT成像,在显著降低辐射剂量的同时,能获得与常规扫描质量相当的图像,且不会影响肺结节的检出和测量,具有较好的临床应用价值.
深度学习算法、肺结节、长径、体积、图像质量
42
TP391.41;TP18;TN911.1-34
2023-04-26（万方平台首次上网日期，不代表论文的发表时间）
共5页
332-336
