基于深度学习的像素闪烁算法对高体质量指数患者低剂量腹部CT平扫图像质量的影响

目的探讨基于深度学习的像素闪烁(PS)算法对体质量指数(BMI)≥25kg/m^2患者低剂量腹部CT平扫图像质量的影响。方法选取59例接受腹部CT检查、BMI≥25kg/m^2的患者,根据管电压分为A组(100kVp,n=30)和B组(120kVp,n=29)。根据不同重建算法和处理方式,将A组分为A1亚组(FBP)、A2亚组(FBP+PS)、A3亚组(50%ASiR-V)和A4亚组(50%ASiR-V+PS);将B组分为B1亚组(FBP)和B2亚组(50%ASiR-V)。测量2组肝右叶、右侧竖脊肌CT值及SD值,计算肝脏SNR、CNR及容积CT剂量指数(CTDI_(vol)),评价2名观察者间所测数值的一致性。结果 2名观察者所测数据的一致性良好(ICC值均>0.80)。A组各亚组间肝脏及竖脊肌CT值差异无统计学意义(P>0.05);肝脏及竖脊肌SD值、肝脏SNR值差异有统计学意义(P均<0.001);两两比较SD_(A4)<SD_(A2)<SD_(A3)<SD_(A1),SNR_(A4)>SNR_(A2)>SNR_(A3)>SNR_(A1);A1与A3亚组间CNR值差异无统计学意义(P=0.078),其余亚组间两两比较CNR_(A4)>CNR_(A2)>CNR_(A3)或CNR_(A1)(P均<0.001)。A2亚组肝脏SD值较B1亚组、A4亚组较B2亚组明显降低,SNR及CNR值明显增高(P均<0.001)。A组CTDI_(vol)明显低于B组(P均<0.001)。结论采用基于深度学习的PS算法可改善高BMI患者低剂量腹部CT平扫图像质量。