期刊专题

深度学习图像重建算法在提高CCTA图像质量中的临床价值研究

引用
目的 对比常规迭代重建算法,评价深度学习图像重建(DLIR)算法(TrueFidelityTM)在提高冠状动脉CT血管造影(CCTA)图像质量中的临床应用价值.方法 回顾性纳入40例接受相同扫描条件CCTA检查的患者.用ASiR-V 0%、ASiR-V 50%、ASiR-V 80%和DLIR两个水平(中[M]和高[H])重建CCTA数据.通过对比图像噪声(SD)、信噪比(SNR)、对比度噪声比(CNR)进行不同图像重建算法间的客观评价.由两位高年资影像医师双盲对主干血管图像质量进行主观评价(Liker 4分制).结果 ASiR-V 0%、ASiR-V 50%、ASiR-V 80%、DLIR-M、DLIR-H重建图像的整体对比图像噪声逐渐降低,差异具有统计学意义(P<0.05),经DLIR-H处理后的图像噪声明显低于其他处理方式(P<0.05),SNR和CNR值逐渐升高,差异具有统计学意义(P<0.01),DLIR-H重建图像的 SNR 和 CNR 均优于其他重建图像(P<0.05).ASiR-V 0%、ASiR-V 50%、ASiR-V 80%、DLIR-M、DLIR-H 算法在冠状动脉主要分支的主观评分均无显著性差异(P>0.05).结论 与ASiR-V算法相比,DLIR算法能显著降低噪声,提高CCTA的SNR和CNR.因此在提高CCTA图像质量的临床应用方面,DLIR算法具有较大的应用潜力.

冠状动脉CT血管造影、深度学习图像重建、图像质量、迭代重建技术

40

R735.7;R816.2;R541.4

2021-09-16(万方平台首次上网日期,不代表论文的发表时间)

共5页

1126-1130

暂无封面信息
查看本期封面目录

临床放射学杂志

1001-9324

42-1187/R

40

2021,40(6)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn