深度学习重建算法在低辐射剂量头颈联合CT血管成像中的应用价值

摘要：

目的:探讨深度学习重建算法(DLIR)与自适应统计迭代重建算法(ASiR-V)在头颈部CT血管成像(CTA)中检查剂量和成像质量的差异。方法:前瞻性收集因头颈部血管疾病行头颈部CTA检查的患者80例。按照检查的先后顺序分为A组和B组，每组40例。A组采用管电压120 kV，噪声指数11.0，ASiR-V 50%重建；B组采用管电压80 kV，噪声指数9.0，分别采用ASiR-V 50%重建(B1组)和DLIR-H重建(B2组)。采用独立样本
t检验比较两组的辐射剂量和图像质量。采用Kruskal-wallis检验和Wilcoxon秩和检验用于比较两种成像方式的辐射剂量和主观、客观图像质量。比较组间强化血管CT值，感兴趣区(ROI)的信号与噪声，计算信噪比(SNR)和对比信噪比(CNR)。
结果:A、B两组有效辐射剂量分别为(0.77±0.08)、(0.45±0.05)mSv，差异有统计学意义(
t＝21.96，
P<0.001)。A、B1、B2 3组图像的主动脉弓、颈动脉起始部、颈动脉分叉层面、大脑中动脉M1段强化血管CT值、SD、SNR、CNR，差异均有统计学意义(
F＝67.69、68.50、50.52、74.10、63.10、91.22、69.16，
P<0.001)。A、B1、B2 3组图像质量主观评分差异有统计学意义(
Z＝71.06，
P<0.05)。
结论:DLIR算法能够在进一步降低头颈部CTA检查辐射剂量的同时，明显地减少图像噪声，保证了图像质量，具有良好的临床应用价值。

关键词：X射线计算机体层摄影术、辐射剂量、深度学习重建算法、图像质量

所属期刊栏目：44

资助基金：浙江省医药卫生科技计划项目2021KY1201;Zhejiang Province Medical and Health Science and Technology Plan Project2021KY1201

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：53-59