10.3760/cma.j.cn112271-20230626-00210
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
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。
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
44
浙江省医药卫生科技计划项目2021KY1201;Zhejiang Province Medical and Health Science and Technology Plan Project2021KY1201
2024-01-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
53-59