自适应统计迭代重建算法在肺部低剂量CT扫描中的应用价值

目的:分析自适应统计迭代重建(ASIR)算法在肺部低剂量CT扫描中的应用价值。方法:回顾性分析2019年10月—2020年10月于我院就诊需进行肺部低剂量CT扫描的83例患者,采用ASIR算法纳入实验组(n=42),采用传统滤波反投影法(FBP)纳入常规组(n=41),比较两组患者CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP)、有效剂量(ED)、噪声和图像清晰度。结果:实验组CTDIvol、DLP和ED均显著小于常规组(P<0.05),实验组胸廓入口、气管隆突、上腹部的肌肉和脂肪CT值均显著小于常规组(P<0.05),两组患者主观噪声评分和清晰度评分中1分、2分、3分和4分例数均无统计学差异(P>0.05),实验组主观噪声评分和清晰度评分5分例数占比均显著大于常规组(P<0.05)。结论:ASIR算法在肺部低剂量CT扫描中具有降低图像噪声、提高图像清晰度的优势,可推广应用于临床诊断。