10.3969/j.issn.1002-1671.2023.08.033
不同重建算法对肺功能CT定量参数的影响
目的 探讨滤波反投影(FBP)、Karl迭代和深度学习(DL)3 种重建技术对肺功能CT定量参数的影响.方法 选取行胸部CT体检有吸烟史者 43 例,对体检者胸部高分辨率CT(HRCT)扫描数据进行 FBP、Karl 迭代(1~9 级)、DL(1~4 级)算法图像重建,共获得 14 组图像,A 组为 FBP 图像,B(B1~B9)组为 Karl 迭代图像,C(C1~C4)组为 DL 图像.所有重建图像传输至 GE AW4.6 工作站,利用Thoracic VCAR肺功能软件进行定量分析,获得肺内低密度占比(LAA%),全肺体积(TLV),同时手动选取右肺上叶最垂直的节段性支气管,生成从气管到节段性支气管的路径,自动显示气道管壁的平均厚度及管壁面积比(WA%)的测量结果.以 FBP算法为对照,采用 Friedman检验比较 A、B、C组及B、C组组内 LAA%、气道管壁的平均厚度及 WA%的差异,采用单因素方差分析比较TLV的差异.结果 A、B、C组及B、C组组内TVL、支气管管壁平均厚度、WA%差异无统计意义(P>0.05);A、B、C组间LAA%差异有统计学意义(χ2=525.562,P<0.001).B组组内LAA%呈明显下降趋势;C组组内LAA%呈先略升高后稍下降趋势,其中 C1 组与 A 组间 LAA%差异有统计学意义(P<0.05).结论 不同 Karl 迭代级别对于肺功能 CT 定量参数LAA%影响较大,临床应用时建议采用低权重;而不同DL级别数据一致性较好,均可用于肺功能定量分析.
肺功能、定量分析、滤波反投影、迭代重建、深度学习算法
39
R322.3+5;R814.42(人体形态学)
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
1350-1353