科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：使用体模比较CT深度学习重建算法和迭代重建算法的图像质量。方法：使用GE Revolution Apex扫描ACR质量控制体模Gammex 464，分别测量module 1～module 4的5种物质CT值准确性、低对比度分辨率、图像均匀性和高对比度分辨率。通过指标比较高剂量下(20 mGy)深度学习重建算法TrueFedelityTM(TFI)3种等级(DL、DM及DH)和自适应统计迭代重建算法V(AV)3种等级(30%、60%及90%)的图像质量。两种算法的各指标比较采用单因素方差分析。结果：所有6组图像的高/低分辨率均一致(高对比度分辨率：10 lp/cm；低对比度分辨率：6 mm)；两种算法都轻微高估聚乙烯、空气以及丙烯酸的CT值，各物质间CT值差异不具有统计学意义。两种算法均低估骨和固态水的CT值，其中，TFI算法对固态水的CT值较AV更接近真实值，但各组图像间不具有统计学差异。6组图像中，TFIDH的图像均匀性最佳；同等级条件下，深度学习重建算法相较IR算法的图像均匀性更佳。结论：深度学习重建算法在高剂量水平下可以在保持图像空间分辨率和CT值准确性的基础上，进一步降低图像噪声。
- 单位
