| 陈钰，王彦玲，苏童，徐敏，闫静，王剑，陆晓平，王沄，李玉梅，金征宇.深度学习重建算法对头CT灌注重建参数及图像质量影响探讨[J].放射学实践,2023,(02):210-215 |
| 深度学习重建算法对头CT灌注重建参数及图像质量影响探讨 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2023.02.017 |
| 中文关键词: 深度学习 体层摄影术,X线计算机 灌注 |
| 基金项目:国家自然科学基金支持 (82001814) |
|
| 摘要点击次数: 2289 |
| 全文下载次数: 3021 |
| 中文摘要: |
| 【摘要】目的：评价基于深度学习重建算法（DLR）与混合迭代重建（Hybrid-IR）的头CT灌注（CTP）的灌注参数及动脉峰值期图像质量。方法：前瞻性搜集疑似或已有缺血性脑卒中的20例连续病例，所有患者进行头CTP扫描，采用Hybrid-IR重建获得AIDR 3D（three-dimensional adaptive iterative dose reduction）序列，DLP重建分别选择AiCE （Advanced Intelligent Clear-IQ Engine）BRAIN LCD及BRAIN CTA参数，得到AiCE LCD及AiCE CTA序列。对3个灌注序列（AIDR 3D、AiCE LCD及AiCE CTA）分别重建灌注参数：脑血流量（CBF），脑容量（CBV）及平均通过时间（MTT）。比较3个序列的CBF、CBV及MTT的均值的差异及相关性。分别选取3个灌注序列的动脉峰值期图像，测量半卵圆中心、颈动脉虹吸段及脑干的CT值、标准差（SD）值，计算半卵圆中心、颈内动脉虹吸段及脑干的信噪比（SNR）和颈内动脉虹吸段的对比噪声比（CNR）。结果：AIDR 3D,AiCE LCD及AiCE CTA重建序列在额叶、颞叶、枕叶及基底节区的CBF及CBV比较均有统计学差异（P<0.001），并且CBF及CBV均值由大到小依次为AIDR 3D>AiCE LCD>AiCE CTA，两两比较具有统计学差异（P<0.001）。两组AiCE序列的3个灌注参数与AIDR 3D序列相比均存在显著相关性（P<0.001），AIDR 3D序列与 AiCE LCD序列比较的CBF及CBV值的相关性系数（R值）分别为0.75、0.70，高于与AiCE CTA序列比较的R值（0.53、0.52）。动脉峰值期的图像比较结果表明，在半卵圆中心及脑干区域，AiCE LCD和AiCE CTA序列的的SD值均低于AIDR 3D（P<0.001），SNR值高于AIDR 3D（P<0.001）。在颈内动脉虹吸段，AiCE LCD具有最高的SNR（P<0.001），AiCE CTA具有最高的CNR（P<0.001）。结论：DLR可以显著提高头CTP动脉峰值期的图像质量，AiCE BRAIN LCD重建的灌注参数与AIDR 3D具更好的相关性。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
