深度学习重建算法联合低浓度对比剂在冠状动脉CTA中的应用  

作　　者：毛宇 张涛[1] 王绍刚[1] 张学琴[1] 徐磊[1] 陈莹[1] 

机构地区：[1]南通大学附属南通第三医院影像科,江苏226006

出　　处：《南通大学学报（医学版）》2024年第5期486-489,共4页Journal of Nantong University(Medical sciences)

基　　金：南通市卫生健康委员会科研课题(MS2023071)。

摘　　要：目的:评价不同浓度对比剂(370、350、320 mgI/mL碘海醇)联合不同重建算法[迭代重建(iterative reconstruction,IR)、深度学习重建(deep learning reconstruction,DLR)]对冠状动脉计算机断层血管造影(computed tomography angiography,CTA)的影响。方法:前瞻性纳入2021年3—11月于南通大学附属南通第三医院行冠状动脉CTA检查患者共150例,随机分成3组(每组50例):对照组(350 mgI/mL碘海醇联合IR)、低浓度组(320 mgI/mL碘海醇联合DLR)和高浓度组(370 mgI/mL碘海醇联合IR)。测量并计算3组冠状动脉CTA图像的动脉血管CT值、图像噪声、信噪比(signal noise ratio,SNR)和对比噪声比(contrast to noise ratio,CNR)。结果:低浓度组的CT值冠状动脉更高,且图像噪声明显降低。3组图像中CT值左心室(P=0.136)和CT值冠状动脉(P=0.089)的差异无统计学意义。3组图像中低浓度组SNR左心室、SNR冠状动脉、CNR左心室和CNR冠状动脉均高于对照组和高浓度组(均P<0.001)。低浓度组图像的主观评分明显高于其他两组(P<0.001)。结论:在冠状动脉CTA中,DLR联合低浓度对比剂优于IR联合高浓度对比剂组。

关 键 词：深度学习重建 迭代重建 对比剂 冠状动脉 计算机断层血管造影 

分 类 号：R816.2[医药卫生—放射医学]