10.3881/j.issn.1000-503X.15170
100kVp条件下深度学习重建算法对头颈CT血管造影图像质量的影响
目的 评价100 kVp条件下深度学习重建算法对头颈CT血管造影(CTA)图像质量的影响.方法 2021 年3至4 月北京协和医院行头颈CTA检查的37 例患者,采用100 kVp管电压进行CT扫描,基于三维自适应迭代剂量降低(AIDR 3D)和深度学习高级智能Clear-IQ引擎(AiCE)低、中、高强度算法重建出4 组图像,测量并计算横断位图像感兴趣区的平均CT值、标准差(SD)、信噪比(SNR)和对比噪声比(CNR)等客观指标,并分别对4 组大脑前动脉矢状位最大密度投影图像进行主观评分(1 分:差,5 分:优秀).结果 AiCE低、中、高强度和AIDR 3D组图像的SNR和CNR值比较差异均有统计学意义(P均<0.01).AiCE低、中、高强度和AIDR 3D组图像的质量评分分别为(4.78±0.41)、(4.92±0.27)、(4.97±0.16)、(3.92±0.27)分,3组AiCE图像与AIDR 3D组比较差异均有统计学意义(P均<0.001).结论 在头颈CTA检查图像质量方面,100 kVp条件下深度学习AiCE重建算法优于AIDR 3D,能够显著提高图像质量,可以在临床检查中加以应用.
CT血管造影、三维自适应迭代剂量降低、深度学习重建、图像质量
45
R445.3(诊断学)
国家自然科学基金;北京市临床重点专科卓越项目
2023-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
416-421