| 汪子雄，唐友发，罗彦，胡学梅，李震，胡道予.深度学习图像重建算法在低管电压双期CT小肠造影中的应用研究[J].放射学实践,2025,(09):1075-1081 |
| 深度学习图像重建算法在低管电压双期CT小肠造影中的应用研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.09.001 |
| 中文关键词: 深度学习 图像重建 CT小肠造影 低剂量 体层摄影术,X线计算机 |
| 基金项目:国家重点研发计划《基于国产CT的超低剂量儿科应用解决方案研究》(项目编号:2024YFC2419300) |
|
| 摘要点击次数: 456 |
| 全文下载次数: 379 |
| 中文摘要: |
| 【摘要】目的：探讨深度学习图像重建(DLIR)算法在低管电压双期CT小肠造影(CTE)图像重建中的价值。方法：回顾性选取40例接受100kVp双期CTE扫描的研究对象。原始数据使用滤波反投影(FBP)、新一代自适应统计迭代重建(ASiR-V，30%和60%)以及DLIR(L、M、H)算法重建。对比分析不同重建算法在定量［CT值、标准差（SD）、信噪比（SNR）、对比噪声比（CNR）］和定性(图像主观评分)质量方面的表现。同时，以FBP算法的CNR为基础，评估其他五种不同算法的相对CNR增幅与BMI之间的相关性。结果：在图像质量定量分析中，六种重建算法在四个解剖部位的两个期相中CT值差异均无统计学意义(P均＞0.05)，DLIR-H算法优于FBP及ASiR-V，达到最低的SD、最高的SNR及CNR(P均<0.05)。图像定性质量评估结果显示，DLIR-H及DLIR-M算法优于其它算法(P<0.05)。DLIR-M和DLIR-H的相对CNR增幅与BMI呈显著正相关(动脉期和静脉期相关系数r分别为0.319、0.387和0.314、0.333，P值均<0.05)。结论：DLIR算法提供了一种优化低剂量CT图像质量的有效工具，显著改善了图像质量，降低了噪声，特别适用于BMI较高的患者，具有广泛的临床应用潜力。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
