目的探讨深度学习图像重建算法(DLIR)对肝脏增强CT延迟期图像质量、辐射剂量的影响。方法选取因可疑肝肿块行腹部增强CT扫描患者70例,随机分为常规剂量组(A组)35例和低剂量组(B组)35例,对A、B两组患者延迟期数据分别进行30.0%迭代重建算...目的探讨深度学习图像重建算法(DLIR)对肝脏增强CT延迟期图像质量、辐射剂量的影响。方法选取因可疑肝肿块行腹部增强CT扫描患者70例,随机分为常规剂量组(A组)35例和低剂量组(B组)35例,对A、B两组患者延迟期数据分别进行30.0%迭代重建算法(ASIR-V 30.0%)、中等级DLIR(DLIR-M)、高等级DLIR(DLIR-H)重建,亚组分别命名为A_(AS-30)、A_(DL-M)、A_(DL-H),B_(AS-30)、B_(DL-M)、B_(DL-H)。比较A_(AS-30)、A_(DL-M)、A_(DL-H)算法间,B_(AS-30)、B_(DL-M)、B_(DL-H)算法间,以及A_(AS-30)与B_(DL-M)、B_(DL-H)算法间图像噪声、信噪比(SNR)、对比噪声比(CNR)及主观图像质量评分的统计学差异。结果在A组间和B组间,DLIR算法图像噪声、SNR、CNR和主观图像质量评分均优于ASIR-V 30.0%图像(均P<0.01),以DLIR-H图像噪声最低,SNR、主观评分最高。在有效辐射剂量降低81.0%时,BDL-M算法图像噪声、SNR、CNR与AAS-30算法差异无统计学意义(均P>0.05),但主观图像质量评分仍略高于A_(AS-30)算法(3.00±0.41 vs 2.32±0.47,P<0.01),B_(DL-H)算法图像噪声、SNR、CNR和主观图像质量评分均优于A_(AS-30)算法(均P<0.01),且B_(DL-M)、B_(DL-H)算法图像主观评分均能基本满足临床诊断需求(主观评分≥3分)。结论DLIR算法可显著提高肝脏增强CT图像质量,并可在保证临床诊断质量的同时,显著降低扫描辐射剂量。展开更多
文摘目的探讨深度学习图像重建算法(DLIR)对肝脏增强CT延迟期图像质量、辐射剂量的影响。方法选取因可疑肝肿块行腹部增强CT扫描患者70例,随机分为常规剂量组(A组)35例和低剂量组(B组)35例,对A、B两组患者延迟期数据分别进行30.0%迭代重建算法(ASIR-V 30.0%)、中等级DLIR(DLIR-M)、高等级DLIR(DLIR-H)重建,亚组分别命名为A_(AS-30)、A_(DL-M)、A_(DL-H),B_(AS-30)、B_(DL-M)、B_(DL-H)。比较A_(AS-30)、A_(DL-M)、A_(DL-H)算法间,B_(AS-30)、B_(DL-M)、B_(DL-H)算法间,以及A_(AS-30)与B_(DL-M)、B_(DL-H)算法间图像噪声、信噪比(SNR)、对比噪声比(CNR)及主观图像质量评分的统计学差异。结果在A组间和B组间,DLIR算法图像噪声、SNR、CNR和主观图像质量评分均优于ASIR-V 30.0%图像(均P<0.01),以DLIR-H图像噪声最低,SNR、主观评分最高。在有效辐射剂量降低81.0%时,BDL-M算法图像噪声、SNR、CNR与AAS-30算法差异无统计学意义(均P>0.05),但主观图像质量评分仍略高于A_(AS-30)算法(3.00±0.41 vs 2.32±0.47,P<0.01),B_(DL-H)算法图像噪声、SNR、CNR和主观图像质量评分均优于A_(AS-30)算法(均P<0.01),且B_(DL-M)、B_(DL-H)算法图像主观评分均能基本满足临床诊断需求(主观评分≥3分)。结论DLIR算法可显著提高肝脏增强CT图像质量,并可在保证临床诊断质量的同时,显著降低扫描辐射剂量。
