基于深度学习重建算法对上腹部CT图像质量的研究

目的:对比常规新一代自适应迭代重建算法(ASiR-V),研究基于深度学习的图像重建算法(DLIR)对上腹部增强CT图像质量和诊断信心的提高。方法:纳入30例行上腹部CT增强的患者,对其门静脉期原始数据使用滤波反投影(FBP),30%ASiR-V,70%ASiR-V和DLIR-低(L)、中(M)、高(H)3个重建等级分别进行重建。测量肝脏、脾脏和右侧竖脊肌的CT值,计算相应背景噪声(SD)值、信噪比(SNR)值和对比噪声比(CNR)值。2名放射科医师分别评价6组重建图像的图像噪声、细小结构显示及整体感观。结果:(1)客观评价:6组重建图像在肝脏、脾脏及右侧竖脊肌的SD值、CNR值和SNR值的差异均有统计学意义(P<0.001)。DLIR-H最优,DLIR-M与70%ASiR-V无显著性差异。随DLIR重建强度增加,SD值降低,SNR值和CNR值升高。(2)主观评价:2位放射科医师对图像质量的主观评价一致性尚可(kappa值分别为0.54、0.59、0.62)。DLIR-M和DLIR-H表现出最佳主观图像质量分数。结论:DLIR与FBP、ASiR-V算法相比,降噪效果更好,图像质量更高。DLIR-M和DLIR-H的重建图像提供了最优的主客观图像质量数据。