| 付芮，张成亮，沈云，陈大治，町田治彦，蔡磊.深度学习图像重建算法对图像质量的影响：体模研究[J].放射学实践,2023,(12):1617-1622 |
| 深度学习图像重建算法对图像质量的影响：体模研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2023.12.020 |
| 中文关键词: 体层摄影术，X线计算机 图像质量 深度学习 图像重建 低剂量 |
| 基金项目: |
|
| 摘要点击次数: 487 |
| 全文下载次数: 555 |
| 中文摘要: |
| 【摘要】目的：基于体模研究探讨深度学习图像重建（DLIR）算法的图像质量是否优于传统的自适应统计迭代重建算法（ASIR-V）。方法：使用GE Revolution Apex CT机对分辨率体模（JIS体模）进行常规剂量（CTDI为11.50mGy；A组）和低剂量（CTDI为4.22mGy；B组）扫描。对A组的原始扫描数据采用常规30%权重ASIR-V进行图像重建，B组采用滤波反投影（FBP）、30%-ASIR-V、60%-ASIR-V、90%-ASIR-V及不同级别的深度学习重建（DLIR-L、DLIR-M、DLIR-H）算法进行图像重建。在每组重建图像上测量JIS体模试管内各ROI（圆形，大小135mm2）的CT值及其SD（图像噪声），计算图像的信噪比（SNR）；同时由3位放射科医师对扫描图像的噪声和分辨率（空间分辨率/密度分辨率）两个方面对不同重建算法的图像采用5分法（5分，图像清晰；4分，图像基本清晰；3分，满足临床诊断要求；2分，图像部分勉强辨认；1分，完全不能辨认）进行主观评分。采用单因素方差分析比较不同重建算法图像上测得的CT值、SD及SNR，采用Fleiss Kappa检验比较医师之间主观评分的一致性。结果：B组的CTDI为4.22mGy，较A组（11.50mGy）下降了63.3%。在相同权重迭代算法（30%-ASIR-V）下，低剂量与常规剂量相比图像的SD升高了68.33%，低剂量图像噪声和图像分辨率的主观评分低于常规剂量。在低剂量组中，FBP、30%-ASIR-V、60%-ASIR-V、90%-ASIR-V及DLIR-L、DLIR-M、DLIR-H重建图像的SD分别为31.33±2.51、25.21±2.47、19.43±1.76、13.76±1.39和21.33±2.09、21.33±2.09、13.84±1.42，与FBP算法相比，不同权重迭代算法和不同级别的DLIR算法均可减低图像噪声（P<0.05），且随着ASIR-V权重或DLIR级别的升高，SD值越低。图像分辨率主观评分随着ASiR-V权重的升高而降低，但随着DLIR级别的升高而升高。与FBP、30%-ASIR-V、60%-ASIR-V和DLIR-L、DLIR-M算法相比，DLIR-H算法可显著降低图像噪声（P均<0.05）；DLIR-H算法的图像噪声和分辨率的主观评分高于其它算法（P均<0.05）。结论：应用深度学习重建算法能够提高图像质量（噪声和分辨率），低剂量扫描结合深度学习图像重建算法，能达到常规剂量扫描的图像质量。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
