典型文献
基于深度学习重建算法对上腹部CT图像质量的研究
文献摘要：
目的:对比常规新一代自适应迭代重建算法(ASiR-V),研究基于深度学习的图像重建算法(DLIR)对上腹部增强CT图像质量和诊断信心的提高.方法:纳入30例行上腹部CT增强的患者,对其门静脉期原始数据使用滤波反投影(FBP),30％ASiR-V,70％ASiR-V和DLIR-低(L)、中(M)、高(H)3个重建等级分别进行重建.测量肝脏、脾脏和右侧竖脊肌的CT值,计算相应背景噪声(SD)值、信噪比(SNR)值和对比噪声比(CNR)值.2名放射科医师分别评价6组重建图像的图像噪声、细小结构显示及整体感观.结果:(1)客观评价:6组重建图像在肝脏、脾脏及右侧竖脊肌的SD值、CNR值和SNR值的差异均有统计学意义(P＜0.001)o DLIR-H最优,DLIR-M与70％ASiR-V无显著性差异.随DLIR重建强度增加,SD值降低,SNR值和CNR值升高.(2)主观评价:2位放射科医师对图像质量的主观评价一致性尚可(kappa值分别为0.54、0.59、0.62).DLIR-M和DLIR-H表现出最佳主观图像质量分数.结论:DLIR与FBP、ASiR-V算法相比,降噪效果更好,图像质量更高.DLIR-M和DLIR-H的重建图像提供了最优的主客观图像质量数据.
文献关键词：
深度学习重建算法;迭代重建;滤波反投影;图像质量;上腹部
中图分类号：
作者姓名：
相清玉;王雅妹;王国华;张振;王铭君;许艺馨
作者机构：
青岛大学附属青岛市市立医院放射科;青岛大学附属青岛市中医医院(青岛市海慈医院)放射科;GE中国CT影像研究中心
文献出处：
引用格式：
[1]相清玉;王雅妹;王国华;张振;王铭君;许艺馨-.基于深度学习重建算法对上腹部CT图像质量的研究)[J].中国医学计算机成像杂志,2022(02):203-207
A类：
重建等级
B类：
深度学习重建算法,上腹部,图像质量,自适应迭代,迭代重建算法,ASiR,图像重建算法,DLIR,腹部增强,门静脉,原始数据,数据使用,滤波反投影,FBP,等级分,脾脏,竖脊肌,背景噪声,SNR,对比噪声比,CNR,放射科医师,重建图像,图像噪声,细小,小结,整体感,感观,客观评价,建强,主观评价,尚可,kappa,降噪效果,主客观,质量数据
AB值：
0.263407
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
