目的 分析基于深度学习的ClearInfinity(CI)算法在上腹部体模CT扫描中降噪和提高图像质量的可行性,探讨优化图像质量的最佳权重比例.方法 以同一管电压(120 kV)、不同容积CT剂量指数(Volume CT Dose Index,CTDIvol)水平(15、10、7.5、5、2.5 mGy)对腹部仿真体模进行扫描,每组图像均采用滤波反投影算法(Filter Back Projection,FBP)、Clear View迭代算法(CV算法,分别采用50％CV、90％CV重建)和深度学习算法(CI算法,分别采用10％CI、30％CI、50％CI、70％CI、90％CI重建)共8种不同方法进行重建,共获得40组图像.测量并记录各组图像肝脏、左侧肾脏及肌肉平均CT值、噪声和主观评分,同时记录各重建算法的重建时间.计算并比较CV算法、CI算法相比FBP算法降低噪声的能力.各组图像主观评分采用Kruskal-Wallis检验,重建时间、CT值和噪声比较采用单因素方差分析和Bonferroni校正进行多重比较.结果 各组中不同部位CT值随不同算法权重比例的增高呈基本稳定状态(P>0.05);同一辐射剂量水平下,与FBP相比,随着CV及CI算法权重的升高,噪声水平显著下降(P<0.001);相同权重重建算法下,CI算法降低噪声的能力高于CV算法;主观评分比较,50％CV和10％CI、30％CI、50％CI算法图像质量能满足诊断要求.超低剂量水平(CTDIVOL=2.5 mGy)下30％CI图像质量最佳,且50％CI图像质量优于FBP重建(P<0.001).各组中各重建算法的重建时间比较差异无统计学意义(P>0.05).结论 基于深度学习的CI算法较迭代算法显著降低了图像噪声,提高了图像质量,且30％～50％权重比例可以显著提高低剂量模式获得的图像质量.

迭代算法;深度学习;ClearInfinity算法;图像质量;辐射剂量

侯平;刘杰;陈岩;高剑波;李甸源;李雨桐

郑州大学第一附属医院放射科,河南郑州 450052;郑州大学基础医学院放射医学教研室,河南郑州 450001;东软医疗系统股份有限公司 CT产品事业部,辽宁沈阳 110167

中国医疗设备

[1]侯平;刘杰;陈岩;高剑波;李甸源;李雨桐-.基于深度学习的ClearInfinity算法对腹部体模CT扫描图像质量和辐射剂量的影响)[J].中国医疗设备,2022(08):99-103

ClearInfinity,CTDIVOL

扫描图像,图像质量,辐射剂量,上腹部,降噪,权重比例,一管,管电压,kV,剂量指数,Volume,Dose,Index,CTDIvol,mGy,仿真体模,模进,滤波反投影算法,Filter,Back,Projection,FBP,View,迭代算法,CV,深度学习算法,不同方法,共获,主观评分,重建算法,低噪声,Kruskal,Wallis,噪声比,单因素方差分析,Bonferroni,正进,多重比较,不同部位,基本稳定,稳定状态,剂量水平,噪声水平,重重,超低剂量,法显,图像噪声

0.305243