高强度深度学习重建算法对双低剂量头颈部CTA图像质量的影响

作者：樊敏; 袁元; 程巍; 李真林; 廖凯

来源：四川医学, 2023, 44(06): 634-639.

DOI：10.16252/j.cnki.issn1004-0501-2023.06.014

• 体层技术
• X线计算机
• 头颈CTA
• 深度学习

目的 探讨高强度深度学习重建(DLIR-H)算法较自适应迭代重建(ASIR-V)算法在改善双低剂量头颈部CTA图像质量的效果。方法 前瞻性选取行头颈部CTA检查的70例患者，随机分为双低剂量A组及常规剂量B组，每组35例。A组采用80 kVp,对比剂45 ml,使用DLIR-H算法重建；B组采用100 kVp,对比剂60 ml,使用60%自适应迭代重建(ASIR-V)算法重建。比较两组图像的CT值、图像噪声、信噪比(SNR)、对比噪声比(CNR)、图像质量主观评分及辐射剂量。结果 A组主动脉弓处、颈内动脉起始处及大脑中动脉起始处的CT值、SNR及CNR均大于B组(P<0.05),图像噪声均小于B组(P<0.05),A组图像质量主观评分高于B组(P<0.05),A组有效辐射剂量显著降低(P<0.05),差异均有统计学意义。A组的对比剂用量显著低于B组。结论 与常规剂量结合60%ASIR-V算法相比，双低剂量结合DLIR-H算法能进一步提高头颈部CTA的图像质量，提高头颈部CTA检查的安全性。

• 单位
  四川大学华西医院