10.3760/cma.j.cn112149-20210413-00365
深度学习算法在胰腺低剂量CT扫描中改善图像质量的应用价值
目的:探究深度学习算法(DLR)在胰腺低剂量CT扫描中改善图像质量的价值。方法:前瞻性收集2020年8月至12月在北京协和医院进行腹部胰腺增强检查的68例患者,采用随机区组法分为正常剂量组和低剂量组,各34例,正常剂量组扫描管电压为120 kV,低剂量组管电压为100 kV。所有患者均行平扫、动脉期、实质期、延迟期扫描。低剂量组4期图像分别采用滤波反投影(FBP)、混合模型迭代算法(AIDR)和DLR 3种方法重建图像,正常剂量组4期图像均采用AIDR重建图像,分别记为LD-FBP、LD-AIDR、LD-DLR、RD-AIDR。测量胰腺的CT值、噪声值(SD),计算信噪比(SNR)、对比噪声比(CNR),不同重建方法图像间各参数的比较采用单因素方差分析,两两比较采用LSD法;对每组图像进行主观评分,多组间比较采用Kruskal-Wallis检验。结果:正常剂量组和低剂量组患者胰腺平扫、动脉期、实质期、延迟期不同重建方法图像间胰腺CT值、SD、SNR、CNR差异均有统计学意义(
P均<0.05)。实质期和延迟期图像LD-FBP、LD-AIDR、LD-DLR图像CT值均高于RD-AIDR图像(
P均<0.05);4期图像间SD、SNR两两比较差异均有统计学意义(
P均<0.05);4期LD-FBP、LD-DLR与RD-AIDR的CNR差异有统计学意义(
P均<0.05),RD-AIDR的CNR优于LD-FBP,LD-DLR优于RD-AIDR。DLR算法对胰腺4期图像的SD、SNR、CNR均有改善,其中对SNR的改善增强图像更为显著,对CNR的改善平扫期和延迟期更为显著。胰腺4期不同算法重建图像主观评分差异均有统计学意义(
P均<0.001)。LD-DLR与RD-AIDR评分差异无统计学意义(平扫、动脉期、实质期、延迟期
Z值分别为1.00、2.24、0.45、1.34,
P值分别为0.317、0.025、0.655、0.180)。
结论:DLR技术可以在降低胰腺CT辐射剂量的同时改善图像质量,满足诊断需求,在胰腺低剂量增强CT检查中可降低噪声,提高图像的信号SNR和CNR。
胰腺、体层摄影术,X线计算机、深度学习算法、辐射剂量
56
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
437-442