深度学习重建联合Smart去金属伪影算法对颈部CT图像中口腔金属植入物伪影的影响

作者：唐丽; 刘星; 侯平; 王明月; 魏一娟; 吕培杰; 高剑波^*

来源：中国医学影像技术, 2023, 39(11): 1731-1735.

DOI：10.13929/j.issn.1003-3289.2023.11.031

• 口腔
• 伪影
• 深度学习
• 体层摄影术,X线计算机

目的 观察深度学习重建(DLR)联合Smart去金属伪影(MAR)算法对颈部CT图像中口腔金属植入物伪影的影响。方法 回顾性分析60例口腔内存在金属植入物患者的颈部CT资料，其中19例存在颈部病变且受金属伪影干扰；分别以自适应迭代重建(ASIR-V,重建百分比为50%)联合Smart MAR(IR+S组)、DLR-H(重建强度为高水平)联合Smart MAR(DH+S组)、DLR-M(重建强度为中水平)联合Smart MAR(DM+S组)、DLR-H(DH组)及DLR-M(DM组)重建静脉期图像，通过计算各组病变/舌部软组织噪声(SD1)、头夹肌噪声(SD2)及伪影指数(AI)对图像进行客观评估；以Likert量表对图像整体及显示病灶质量进行主观评分；比较各组主、客观评估结果的差异。结果 5组图像SD1、SD2及AI差异均有统计学意义(P均<0.05)。SD1及AI在DH+S组、DM+S组、IR+S组、DH组及DM组依次升高(P均<0.05);SD2在DH+S组、DM+S组及IR+S组依次升高(P均<0.05),而在DH+S组与DH组、DM+S组与DM组均无统计学差异(P均>0.05)。存在颈部病变的6例(6/19,31.58%)及无颈部病变的4例(4/41,9.76%)可于IR+S组、DH+S组及DM+S组中发现DH组及DM组中不存在的伪影。5组图像整体及显示病灶质量评分差异均有统计学意义(P均<0.05),在DH+S组、DM+S组及IR+S组依次降低(P均<0.05),但均高于DH组及DM组(P均<0.05),而DM组与DH组间差异均无统计学意义(P均>0.05)。结论 以DLR联合Smart MAR算法重建口腔金属植入物患者颈部CT图像的噪声、AI、图像整体质量及显示病灶质量均较好，但存在无法去除金属伪影的可能。

• 单位
  郑州大学第一附属医院