低剂量联合自适应性统计迭代重建和深度学习重建对上腹部图像质量的影响  

作　　者：王向明[1] 刘晶[1] 冯嘉[1] 

机构地区：[1]河北医科大学第四医院CT磁共振科,河北省石家庄市050000

出　　处：《医学理论与实践》2023年第23期4064-4066,共3页The Journal of Medical Theory and Practice

摘　　要：目的:比较自适应性统计迭代重建(ASIR)和深度学习重建(DL)对低剂量上腹部CT图像质量的影响。方法:收集我院非肝脏病变行腹部增强CT检查的患者30例。采用GE Revolution CT扫描仪,对动、静脉期原始数据进行ASIR-40%、DL-M、DL-H三种模式重建。在肝门层面测量腹腔脂肪、竖脊肌、腹主动脉、门静脉主干、肝脏实质CT值及噪声(标准差SD)。比较各重建模式组织器官的CT值,计算并比较组织器官的信噪比(SNR)及对比噪声比(CNR)。结果:(1)动、静脉期不同重建模式下腹腔脂肪、竖脊肌、腹主动脉(动脉期)、门静脉主干(静脉期)、肝脏实质CT值的差异均无统计学意义(P>0.05)。(2)DL-H重建模式下动、静脉期图像背景噪声、动脉期腹主动脉噪声及肝脏噪声、静脉期门静脉及肝脏噪声均最低(P<0.05);腹主动脉及肝脏SNR、静脉期门静脉及肝脏SNR均最高(P<0.05);肝脏CNR均最高(P<0.05)。结论:采用DL重建模式可有效降低腹部CT图像噪声,提高肝脏的信噪比及对比噪声比,DL-H应用价值较高,有利于肝脏小病灶的检出。

关 键 词：体层摄影技术 X线计算机 自适应性统计迭代重建技术 深度学习重建技术 图像质量 肝脏 

分 类 号：TP8[自动化与计算机技术—检测技术与自动化装置] R816.5[自动化与计算机技术—控制科学与工程]