基于深度学习图像重建算法对大脑中动脉CT血管成像的影响

作者:马保龙; 张贞; 沈云; 赵艳红; 王泽润; 曹永佩; 高永斌*
来源:宁夏医学杂志, 2023, 45(08): 723-726.
DOI:10.13621/j.1001-5949.2023.08.0723

摘要

目的 通过与FBP及混合迭代重建算法的对比,探讨基于深度学习的图像重建(DLIR)算法对大脑中动脉CT血管成像图像质量的影响。方法 选择疑似头颈部血管疾病的患者30例,采用GE APEX CT进行头颈部CTA成像,管电压100 kV,分别利用滤波反投影重建、40%ASIR-V重建、深度学习重建算法(低DLIR-L、中DLIR-M、高DLIR-H)重建出5组图像,测量背景肌肉及大脑中动脉的CT值及SD值,计算信噪比(SNR)及对比噪声比(CNR),由2位有5年以上诊断经验的医师进行主观图像质量评价,比较5组图像大脑中动脉的CT值、SD值、SNR、CNR;背景肌肉的CT值、SD值、SNR及主观图像质量的差异。结果 5组图像大脑中动脉内的CT值及背景肌肉的CT值比较差异无统计学意义(P>0.05)。FBP、40%ASIR-V、深度学习重建算法(低DLIR-L、中DLIR-M、高DLIR-H)重建5组图像大脑中动脉的噪声分别为26.62±8.46、22.95±7.83、22.73±7.36、21.52±7.23、20.27±7.31,差异有统计学意义(P<0.05),背景肌肉的噪声分别为21.49±5.77、16.07±3.42、14.64±3.54、12.37±3.15、9.96±2.74,差异有统计学意义(P<0.05),大脑中动脉DLIR-H重建算法下噪声较FBP降低23.85%,较40%ASIR-V降低11.68%,5组图像大脑中动脉内及背景肌肉的SNR及CNR比较差异均有统计学意义(P<0.05),DLIR-H重建算法下SNR及CNR均较低DLIR-L、中DLIR-M、FBP及40%ASIR-V提高;FBP、40%ASIR-V、深度学习重建算法重建(低DLIR-L、中DLIR-M、高DLIR-H)5组图像的主观评分分别为(3.60±0.49)、(4.10±0.40)、(3.87±0.43)、(4.37±0.48)、(4.53±0.67)分,DLIR-H主观图像质量评分较低DLIR-L、中DLIR-M、FBP及40%ASIR-V提高(P<0.05)。结论 深度学习重建算法可以降低大脑中动脉CT血管成像的图像噪声,提高SNR、CNR及主观图像质量,尤其以DLIR-H重建算法效果最佳。

全文