深度学习图像重建双低技术在CT尿路造影中的初步应用

摘要：

目的:探讨100 kV深度学习图像重建（DLIR）在CT尿路造影（CTU）中双低（低辐射剂量、低对比剂剂量）技术的可行性，并与传统的120 kV自适应统计迭代重建-V(ASIR-V)标准方案进行比较。方法:收集60例行腹部CTU增强扫描的患者按扫描方案分为标准方案组（S组）和双低方案组（L组），记录L组和S组对比剂剂量、容积CT剂量指数和剂量长度乘积，计算有效剂量。对S组采用60%ASIR-V（S-AV60）重建，L组采用60%ASIR-V（L-AV60）、DLIR-M、DLIR-H重建。测量右侧肾盂、右侧肾脏实质、左侧肾盂、左侧肾脏实质、右侧输尿管、左侧输尿管、膀胱、腰大肌CT值和标准差（SD），计算信噪比（SNR）和对比噪声比（CNR）。由两名临床经验丰富的诊断医师对原始轴位影像、重建后容积再现（VR）图像和最大强度投影（MIP）图像进行双盲法主观评分。两组有效剂量（ED）比较采用t检验，CT、SD、SNR、CNR值等客观评价参数的分析采用单因素方差分析，主观评分采用Kruskal-Wallis检验，用Kappa检验分析2名放射科医师主观评分的一致性。结果:L组的有效剂量和对比剂剂量分别比S组减少了29.1%（P<0.001）和32.1%（P<0.001），DLIR-H组的SD最低，SNR，CNR最大。四个因素的独立分数和图像最终评分，DLIR-H组图像评分最高（P<0.001）。两名放射科医师对4个CTU的主观图像质量评分亦有很好的一致性（Kappa=0.770，P<0.001）。结论:在CT尿路造影（CTU）中，DLIR重建的双低技术可显著降低放射剂量（29.1%）、对比剂剂量（32.1%）。与60%ASIR-V标准方案相比，DLIR-H可以进一步改善图像质量，是较好的重建算法。

关键词：深度学习、图像重建、CT尿路造影、人工智能

所属期刊栏目：16

资助基金：广州市科技计划项目202007030007

在线出版日期：2023-02-13（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：539-545