深度学习图像重建算法在低剂量扫描对肺结节显示及测量的影响

目的探讨肺结节胸部CT低剂量对深度学习图像重建(DLIR)图像质量及结节检测的影响。方法选取肺结节患者120例,在低剂量扫描条件下应用低剂量迭代重建算法(ASIR-V),评估低剂量下重建图像总体噪声(NI)、肺组织信噪比(SNR)、对比噪声比(CNR),实性、磨玻璃结节噪声、SNR、CNR及结节可见度、筛查准确性。结果DLIR-H总NI和肺组织CNR为(21.14±1.35)Db、(13.70±1.96),低于ASIR-V和DLIR-M,DLIR-M低于ASIR-V(均P<0.05)。肺组织SNR为(26.85±3.46),高于ASIR-V和DLIR-M,DLIR-M高于ASIR-V(均P<0.05)。实性结节、磨玻璃结节NI和CNR均低于ASIR-V和DLIR-M,DLIR-M低于ASIR-V(均P<0.05)。实性结节、磨玻璃结节SNR高于ASIR-V和DLIRM结果,DLIR-M高于ASIR-V(均P<0.05)。DLIR-H图像质量评分、实性结节、磨玻璃结节可见评分均高于ASIR-V和DLIR-M结果,DLIR-M结果高于ASIR-V(均P<0.05)。DLIR-H肺结节准确率86.67%,高于ASIR-V和DLIR-M(P<0.05)。结论胸部CT扫描肺结节应用低剂量DLIR算法能够有效降低噪声,保证图像质量前提下提高诊断率。

软组织韧带样型纤维瘤病的影像诊断

目的分析不同部位软组织韧带样型纤维瘤病的CT和MR影像表现,提高该肿瘤的影像诊断水平。方法回顾性分析16例经病理确诊的软组织韧带样型纤维瘤病的影像学表现,观察病变的位置、大小、边缘、形态、密度/信号特点、强化类型。结果肿瘤位于腹壁6例,体积小,形态规则,与肌肉分界清;肿瘤位于腹壁外10例,体积大,形态不规则,与肌肉分界不清。所有病灶MRI均表现为肌肉内占位性病变,T1WI呈等信号、稍低或稍高信号,T2WI高于肌肉低于脂肪,T1WI、T2WI内见条带状低信号影。无论肿瘤发生在什么部位,病灶内都没有囊性坏死区。结论CT、MR可以较为精确地显示软组织韧带样型纤维瘤病的病灶部位、形态以及范围,对该病的诊断及鉴别诊断具有重要价值。