目的 探讨深度学习重建算法(DLIR)在提高门静脉图像质量中的应用研究.方法 回顾性纳入32例行腹部双期增强检查的患者,门静脉图像分别采用50％自适应统计迭代重建(ASIR V)及深度学习重建算法的中、高模式(DLIR-M、DLIR-H)进行重建.测量门静脉主干、右支、左支和同层椎旁肌肉的CT值和标准差,计算其对比噪声比,测量门静脉主干血管壁CT值边缘上升斜率(ERS)以评价其空间分辨率.主观评价由两名医师采用5分法分别从整体图像噪声、图像对比度、门静脉小分支显示三个方面进行评分,图像伪影则采用4分法进行评价;此外,单独计算门静脉小分支在三种重建算法中的显示率.结果 门静脉主干、右支、左支的噪声在DLIR重建算法下显著低于ASIR-V 50％算法,其中DLIR-H噪声最低,CNR最高;门静脉主干的ERS在DLIR算法下也显著高于ASIR-V 50％算法(P<0.01).主观评价方面,DLIR算法均显著优于ASIR-V 50％算法(P<0.01);此外,DLIR图像门静脉小分支的显示率分别是DLIR-M 93.75％、DLIR-H 100％,高于ASIR-V 50％(68.75％).结论 与ASIR-V 50％算法相比,DLIR算法能显著降低门静脉图像噪声,提高空间分辨率且可以有效提高门静脉小分支的显示率.

门静脉;深度学习重建算法;自适应统计迭代重建;空间分辨率

曹乐;刘翔;程燕南;郝辉;李军军;杨健

西安交通大学生命科学与技术学院生物医学工程系,陕西西安 710054;西安交通大学第一附属医院医学影像科,陕西西安 710061

西安交通大学学报（医学版）

[1]曹乐;刘翔;程燕南;郝辉;李军军;杨健-.深度学习重建算法在提高门静脉CT图像质量中的应用研究)[J].西安交通大学学报（医学版）,2022(06):912-917

深度学习重建算法,高门,门静脉,图像质量,DLIR,脉图,双期增强,增强检查,自适应统计迭代重建,ASIR,椎旁肌肉,对比噪声比,干血,血管壁,ERS,主观评价,两名,名医,图像噪声,对比度,图像伪影,显示率,CNR,高空间分辨率

0.196711