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

摘要：

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。

关键词：胰腺、体层摄影术，X线计算机、深度学习算法、辐射剂量

所属期刊栏目：56

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：437-442