深度学习重建对增强CT胆系图像质量的影响

摘要：

目的 通过比较多种重建算法,探讨深度学习重建(DLR)对增强CT上胆道系统图像质量的影响.方法 回顾性纳入30例本院进行增强CT检查并伴有胆总管或肝外胆管扩张的患者,分别采用滤波反投影算法(FBP)、三维自适应迭代(AIDR3D)、全模型迭代算法(FIRST)和DLR对门脉期图像进行重建.比较4组图像信号噪声比(SNR)、对比噪声比(CNR)及噪声,对4组图像质量进行主观评价排序并比较.结果 除AIDR3D肝实质CNR外,DLR图像的CNR(胆管:4.42±0.87,肝实质:3.78±1.47)显著高于 FBP[胆管:2.21±1.02(P＜0.001),肝实质:1.43±1.29(P＜0.001)]、AIDR 3D[胆管:2.81±0.91(P=0.024),肝实质:2.39±1.94(P=0.278)]及 FIRST[胆管:2.51±1.24(P＜0.001),肝实质:2.45±1.81(P=0.003)],DLR 图像的 SNR(胆管:1.39±0.85,肝实质:9.75±1.90)显著高于 FBP[胆管:0.86±0.63(P＜0.001),肝实质:3.31±1.12(P＜0.001)]和 FIRST[胆管:1.01±0.61(P=0.013),肝实质:5.73±1.37(P＜0.001)],DLR 图像的噪声(10.51±3.53)显著低于 FBP[24.10±3.92(P＜0.001)]、AIDR 3D[15.72±2.41(P=0.032)]和 FIRST[17.20±3.82(P＜0.001)].DLR 图像的主观评价排序[4(4,4)分]显著高于 FPB[1(1,1)分](P＜0.001)、AIDR 3D[3(2,3)分](P=0.029)和 FIRST[2(2,3)分](P＜0.001).结论 深度学习重建可提高增强CT图像质量,有助于更好地观察胆道系统.

关键词：X线计算机体层摄影术、胆管、深度学习

所属期刊栏目：44

分类号：R445.3(诊断学)

资助基金：科技创新新一代人工智能重大项目;北京市临床重点专科卓越项目

在线出版日期：2022-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：614-620