深度学习重建算法在上腹部CT成像中的应用

目的:通过分析比较自适应统计迭代重建(ASIR)算法和深度学习重建(DLIR)算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值。方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR(30%、50%、70%、90%)和深度学习重建算法(DL-L、DL-M、DL-H)重建图像,共7组。测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比(SNR)和对比噪声比(CNR),采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较。结果:(1)七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义。(2) DL-L与ASIR50%、DL-M与ASIR70%、DL-H与ASIR90%间各ROI处CT值、SD值、SNR值、CNR值无差异。(3)三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H算法的SNR值高于ASIR30%、ASIR50%,SD值低于除ASIR90%外的其余5组重建算法。(4)七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR90%、DL-L、ASIR70%、ASIR50%、ASIR30%图像噪声依次增加。结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高。