DLIR算法结合前置ASIR-V技术在过重患者门静脉成像中的应用

摘要：

目的 探讨深度学习图像重建(DLIR)算法结合前置自适应迭代重建-V(ASIR-V)技术在过重患者门静脉成像(CTPV)中的应用价值.方法 本前瞻性研究对象为2021年6月至9月在中山大学附属第三医院接受腹部增强CTPV检查的50例患者.其中男31例,女19例;年龄19～74岁,中位年龄56岁;BMI＞25 kg/m2.患者均签署患者知情同意书,符合医学伦理学规定.比较前置50％ASIR-V技术(开启)和前置0％ASIR-V(关闭)时有效辐射剂量(ED).采用60％ASIR-V、80％ASIR-V、DLIR-M(中等级别)和DLIR-H(高等级别)4种算法分别对患者门静脉期数据进行薄层重建.图像质量的客观评价指标包括门静脉CT值的标准差(SD)值、信噪比(SNR)和对比噪声比(CNR),主观评价由两名放射科医师对重建图像质量进行双盲法评分.前置ASIR-V开启前后ED比较采用t检验.不同算法的SD、SNR、CNR等客观评价指标比较采用单因素方差分析;主观图像质量评分比较采用Kruskal-Wallis检验,采用Kappa检验分析两名放射科医师的主观图像质量评分的一致性.结果 前置ASIR-V关闭和开启后平均ED分别为(11.1±1.4)、(7.6±1.1)mSv,ED降低32％(t=14.01,P＜0.05).对于门静脉主干,DLIR-H组SD最小,SNR和CNR最大(P＜0.05).对于门静脉分支,80％ASIR-V组SD最小,SNR最大;DLIR-H组CNR最大(P＜0.05).在所有算法重建的图像中,DLIR-H组门静脉重建图像质量的主观评分最高(P＜0.05).两名放射科医师对60％ASIR-V、80％ASIR-V、DLIR-M和DLIR-H算法的门静脉重建图像质量的主观评分一致性较好(κ=0.810,0.556,0.705,0.676;P＜0.05);对门静脉整体和分支图像质量的主观评分一致性亦较好(κ=0.661,0.959;P＜0.05).结论 在过重患者门静脉造影中,前置ASIR-V技术可明显降低ED;DLIR算法可显著降低噪声,不改变其纹理,相比ASIR-V算法可获得更好的门静脉期图像,其中高级别DLIR算法重建图像最佳.

关键词：深度学习图像重建、自适应迭代重建-V、门静脉造影、噪声、信噪比、对比噪声比

所属期刊栏目：11

分类号：G449.7;TN94;TP391.41

资助基金：广州市科技计划项目202007030007

在线出版日期：2022-09-02（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：373-379