典型文献
深度学习重建算法在低管电压冠状动脉CT血管成像中的应用
文献摘要:
目的:比较深度学习重建算法(deep learning-based image reconstruction,DLIR)、自适应统计迭代重建算法(adaptive statistical iterative reconstruction-veo,ASiR-V)和滤波反投影重建算法(filtered back-projection,FBP)对低管电压冠状动脉CT血管成像(coronary computed tomographic angiography,CCTA)图像质量的优化效果.方法:前瞻性纳入100例行CCTA扫描的患者,根据其身体质量指数(body mass index,BMI),选择使用70 kVp(50例,BMI≤26 kg/m2)或80 kVp(50例,BMI>26 kg/m2)管电压扫描,每例患者的图像分别用FBP(A组)、ASiR-V 50%(B组)、中级DLIR(DLIR-Medium,DLIR-M,C组)和高级DLIR(DLIR-High,DLIR-H,D组)进行重建,比较4组重建算法图像的CT值、噪声、信噪比(signal-to-noise ratio,SNR)和对比噪声比(contrast-noise ratio,CNR),并采用李克特5级评分法对图像质量进行主观评价.结果:在客观图像质量评价中,A、B、C、D 4组两两组间比较,图像噪声、SNR、CNR差异均有统计学意义(P<0.05),其中D组的图像噪声最低,而SNR和CNR最高;在主观图像质量评价中,C组与D组间差异无统计学意义,但均明显高于A组及B组(P<0.05).结论:在低管电压CCTA扫描中,使用DLIR重建的图像质量优于ASiR-V 50% 和FBP,提示DLIR适用于临床低管电压CCTA扫描.
文献关键词:
冠状动脉CT血管成像;深度学习;迭代重建;辐射剂量;图像质量
中图分类号:
作者姓名:
范婧;杨文洁;王梦真;陆伟;石骁萌;朱宏
作者机构:
上海交通大学医学院附属瑞金医院放射科,上海 200025;GE(中国)CT影像研究中心,上海 201203
文献出处:
引用格式:
[1]范婧;杨文洁;王梦真;陆伟;石骁萌;朱宏-.深度学习重建算法在低管电压冠状动脉CT血管成像中的应用)[J].诊断学理论与实践,2022(03):374-379
A类:
veo
B类:
深度学习重建算法,低管电压,冠状动脉,血管成像,deep,learning,image,reconstruction,DLIR,自适应统计迭代重建算法,adaptive,statistical,iterative,ASiR,滤波反投影重建,filtered,back,projection,FBP,coronary,computed,tomographic,angiography,CCTA,优化效果,身体质量指数,body,mass,kVp,中级,Medium,High,signal,noise,ratio,SNR,对比噪声比,contrast,CNR,克特,评分法,主观评价,图像质量评价,图像噪声,辐射剂量
AB值:
0.295103
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。