摘要
探讨CT图像重建算法(深度学习算法、迭代重建算法)对辐射剂量优化的临床观察。方法 选取本次研究涉及时间范围于2022年8月-2024年8月在我院接受CT检查的100例患者为本次检查对象,按照盲选法实施分组操作,即:分别为A组、B组,每组均包含病例数据50例,A组采取深度学习算法、B组则采取迭代重建算法,对比两组在对辐射剂量、成像质量等方面的内容。结果 辐射剂量的组间对比显示,得出A组的辐射剂量指标即E、DLP、CTDI均较B组数据更低(P<0.05)。图像质量的主观评价组间数据对比,显示A组的SD数据低于B组,其SNR、CNR高于B组,比较存在统计学意义(P<0.05)。图像质量的客观评价组间数据对比,显示A组在主动脉弓、颈动脉起始部、颈动脉分叉、大脑中动脉上的CT值均显示较B组数据更高(P<0.05)。结论 基于接受CT检查的患者,采取深度学习算法相较迭代重建算法更具作用价值,可助于优化辐射剂量,提高图像质量,减少图像噪声,为临床提供一种可靠的CT图像重建算法,值得推广于临床实践。
