探讨深度学习重建算法在低剂量CTU检查中的应用价值

摘要：

目的:探讨深度学习(DL)重建算法在低剂量CT尿路成像(CTU)检查中的临床应用价值.方法:前瞻性收集临床拟行CTU检查患者60例,应用联影uCT760进行扫描,按检查时间分为A组和B组,A组为常规剂量组(120 kV,100 mA,KARL5级迭代重建),B组为低剂量组(120 kV,剂量调制1,DL4级算法重建),每组各30例.记录患者扫描长度,容积CT剂量指数(CTDIvol)、剂量长度乘积(DLP),计算有效剂量(ED).采用uCT-760 128CT图像后处理工作站进行测量分析,在轴位将有造影剂充盈的肾盂及输尿管作为观察对象,测量肾皮质、肾盂、输尿管、椎旁肌的CT值和标准差(SD)值,计算信噪比(SNR)及对比度噪声比(CNR).重组容积再现(VR)及最大密度投影(MIP)图像对泌尿系统的显示效果进行评估,由2名观察者采用双盲法独立行二维图像和三维重组图像评分(5分制)并行一致性检验.以患者CTU检查前的三期增强为对照,对CTU病变显示能力进行评价.比较主客观图像质量、辐射剂量及2组CTU的诊断性能.结果:2组患者性别比例、年龄、体重指数及扫描长度差异均无统计学意义(均P＞0.05);2组肾皮质SNR、CNR,肾盂CNR,输尿管CNR及噪声SD值差异有统计学意义(P＜0.05),B组均高于A组,肾盂SNR和输尿管SNR差异无统计学意义(P＞0.05);两观察者对图像主观评分一致性好(Kappa值:0.838～0.918),B组二维图像评分高于A组,差异有统计学意义(P＜0.05),三维图像质量两组差异无统计学意义(P＞0.05),均满足诊断要求;B组较A组CTDIvol降低43.59％,DLP降低41.81％,ED降低41.93％,差异均有统计学意义(P＜0.05).结论:深度学习重建算法能够有效降低图像噪声,显著提高低剂量CTU的图像质量,且保证诊断性能.

关键词：CT尿路造影、深度学习重建算法、迭代重建算法、辐射剂量

所属期刊栏目：29

分类号：R445.2(诊断学)

在线出版日期：2023-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：321-325