| 贝天霞，姚晓强，陈学军，曲金荣，吴越，李靖.深度学习图像重建算法对改善胃癌患者能谱CT图像质量的价值[J].放射学实践,2025,(08):1049-1054 |
| 深度学习图像重建算法对改善胃癌患者能谱CT图像质量的价值 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.08.015 |
| 中文关键词: 双能CT 深度学习 图像重建 碘浓度 胃肿瘤 图像质量 体层摄影术，X线计算机 |
| 基金项目:国家自然科学基金（82202146）；河南省重点研发与推广项目（科技攻关）项目（242102311173）；河南省医学科技攻关省部共建智能重点项目（2024SBGJ202402030） |
|
| 摘要点击次数: 70 |
| 全文下载次数: 69 |
| 中文摘要: |
| 【摘要】目的：通过与自适应统计迭代重建（ASiR-V）技术对比，探讨深度学习图像重建（DLIR）算法在提高胃癌患者双能量CT（DECT）图像质量中的价值。方法：回顾性搜集2023年2月－2023年7月在本院共经手术病理确诊69例胃癌患者的DECT图像，基于50keV增强动脉期及70keV静脉期和延迟期的虚拟单能量图像（VMI）和碘图，分别采用50%-ASiR-V和低、中、高水平DLIR（DLIR-L/M/H）算法进行图像重建。图像质量客观评价指标包括胃癌病灶的CT值和同层面腹壁皮下脂肪CT值的SD（作为图像噪声）、胃癌病灶的信噪比（SNR病灶）、对比噪声比（CNR病灶）和标准化碘浓度（NIC病灶）、肌肉的信噪比（SNR肌肉）。图像主观评价由两位资深放射科医师基于李克特5级量表法（Likert Scale）对图像噪声和图像锐利度进行评分。采用单因素方差分析和Kruskal-Wallis检验比较各组重建图像质量评分的差异。结果：4种重建算法间VMI图像上胃癌病灶CT值的差异无统计学意义（P>0.05）。与50%-ASiR-V图像相比，DLIR-M和DLIR-H图像的噪声显著降低，SNR病灶和SNR肌肉显著提高，差异均有统计学意义（P<0.05）。DLIR-H图像上CNR病灶显著高于50%-ASiR-V及DLIR-L，差异有统计学意义（P<0.01）。4组碘图上胃癌病灶的NIC的差异无统计学意义（P>0.05）。主观评分结果显示，DLIR-H组的图像噪声评分最高，图像锐利度评分也显著高于50%-ASIR-V组（P均<0.05）。结论：与50%-ASiR-V重建算法相比，DLIR算法在不改变双能量CT图像上胃癌病灶的CT值和NIC的同时，能显著降低图像噪声，提高图像质量；其中以DLIR-H算法的降噪及改善图像锐利度的效果最佳，具有最优的图像质量。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
