| 刘海法，杨丽，王琦，杜煜，赵茜茜，杨帆，时高峰.深度学习重建算法对胸部低剂量CT肺结节测量及显示影响的模体研究[J].放射学实践,2023,(08):977-984 |
| 深度学习重建算法对胸部低剂量CT肺结节测量及显示影响的模体研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2023.08.004 |
| 中文关键词: 肺结节 深度学习 图像重建 体层摄影术，X线计算机 图像质量 模体研究 |
| 基金项目: |
|
| 摘要点击次数: 635 |
| 全文下载次数: 612 |
| 中文摘要: |
| 【摘要】目的：基于胸部模体探讨不同强度深度学习重建算法（DLIR）对低剂量CT图像上肺结节显示及测量的影响。方法：采用包括纵隔、支气管血管束、软组织及骨骼的成年男性胸部仿真模型，内置直径（体积）为5mm（66mm3）、8mm（268mm3）和10mm（523mm3）的实性结节（SN）及磨玻璃结节（GGN），对其进行低剂量CT扫描（100kVp、40mA，CTDIVOI=0.84mGy），采用标准卷积核的自适应统计迭代重建算法（ASIR-V）及中档（DLIR-M）和高档（DLIR-H）深度学习重建算法分别进行图像重建。在肺组织内放置ROI（面积100mm2）测量肺组织CT值的标准差（SD）作为肺组织噪声（N肺组织）。选用肺结节CT影像辅助检测系统自动计算得到10mm SN及10mm GGN CT值的SD（即N结节）。计算3组图像上肺组织以及直径10mm的SN和GGN的信噪比（SNR）及对比噪声比（CNR），以及所有结节的CT值和体积及其偏差度。对各组图像上肺组织及所有结节的噪声、支气管血管束的锐利度、SN和GGN的显示情况进行主观评价。结果：①在3组图像上，DLIR-H的肺组织、SN和GGN的噪声均为最低，肺组织的SNR、SN和GGN的SNR和CNR均为最高（P均＜0.05），肺组织、SN和GGN显示情况的主观评分为最高（P均＜0.001）。②三组图像上，三种直径SN的平均CT值偏差度的总体差异均无统计学意义（P均＞0.05），三种直径GGN的平均CT值偏差度的总体差异均有统计学意义（P均<0.001）；对于直径10mm及5mm的GGN，DLIR-M和DLIR-H图像上测得的平均CT值偏差度均小于ASIR-V（P均<0.001），DLIR-M和DLIR-H图像上测得的平均CT值偏差度的差异无统计学意义（P>0.05）；对于直径8mm的GGN，ASIR-V图像测得的平均CT值偏差度均小于DLIR-M、DLIR-H图像（P均<0.001），而DLIR-M与DLIR-H图像上测得的此指标值的差异无统计学意义（P=0.535）。③三组重建图像上测得10mm、8mm直径的SN及GGN体积偏差度的总体差异均无统计学意义（P均＞0.05）；对于直径5mm的SN，ASIR-V与DLIR-M组间、DLIR-M与DLIR-H组间均无统计学差异（P均>0.05），ASIR-V图像测得偏差度小于DLIR-H（P＝0.020）；对于直径5mm GGN，在DLIR-M、DLIR-H图像上测得的体积偏差度均较ASIR-V图像更小（P均＜0.05），而DLIR-M、DLIR-H图像间偏差度的总体差异无统计学意义（P＝0.476）。④主观评价结果：三组重建图像上肺组织噪声评分的总体差异具有统计学意义（H=15.58，P<0.001），在DLIR-H图像上该指标评分高于ASIR-V和DLIR-M图像（P＜0.05），而ASIR-V与DLIR-M图像之间该指标评分的总体差异无统计学意义（P=0.849）；三组重建图像的支气管血管束锐利度以及SN和GGN可见度主观评分的总体差异均无统计学意义（P均＞0.05）。结论：低剂量下DLIR图像对结节CT值和体积的测量及显示情况与ASIR-V算法相当，而且在DLIR-M和DLIR-H图像上测得的5mm GGN的平均CT值及体积更准确。对于肺结节的低剂量CT筛查及随访，采用深度学习重建算法是值得推荐的。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
