深度学习图像重建算法在胸腹主动脉CTA图像质量中的临床应用研究

作者：陆晓军; 罗春材^*; 齐叶青; 杨铁

来源：临床放射学杂志, 2022, 41(07): 1359-1364.

DOI：10.13437/j.cnki.jcr.2022.07.028

• 胸腹主动脉
• 图像质量
• 深度学习图像重建
• 迭代重建
• CT血管成像

目的 与常规重建算法对比，探讨深度学习图像重建(DLIR)算法在提高胸腹主动脉CTA图像质量中的临床应用价值。方法 回顾性纳入52例疑诊胸腹主动脉疾病的患者，重建出滤波反投影重建(FBP),自适应统计迭代重建(ASIR-V50%、ASIR-V80%),深度学习低(DLIR-L)、中(DLIR-M)、高(DLIR-H),共6种0.625 mm的薄层CT图像。通过对比图像CT值、噪声值、信噪比(SNR)、对比度噪声比(CNR)进行不同图像重建算法间的客观评价。并由两位放射诊断科具有5年、11年工作经验的影像医师采用双盲法对图像质量进行主观评价(Liker5分制)。结果 六组重建所得图像的信噪比、对比噪声比从高到低依次是：DLIR-H、DLIR-M、ASIR-V80%、DLIR-L、ASIR-V50%、FBP,差异具有统计学意义(P<0.05),重建图像主观评分差异有统计学意义(P<0.05),经DLIR-H处理后的图像噪声最低、整体图像质量最佳。结论 与传统的FBP、ASIR-V重建算法相比，基于深度学习图像重建算法DLIR能显著降低噪声，提高胸腹主动脉CTA图像质量，在临床应用方面，新的DLIR算法具有很大的应用潜力。

• 单位
  解放军总医院