深度学习重建算法在腹部CT成像中应用的体模研究

作者：张玉荣; 苑倩倩; 高剑波; 刘杰^*

来源：中华放射医学与防护杂志, 2023, 43(08).

• 辐射剂量
• 体层摄影术, X射线计算机
• 腹部
• 体模

目的探讨不同辐射剂量下深度学习图像重建算法(DLIR)相对于常规迭代重建算法(ASIR-V)对腹部体模CT图像质量的改善价值。方法根据管电压设置100 kV组与120 kV组, 每组按照容积剂量指数(CTDIvol)不同(2、4、6、8、10、15 mGy)分为6组进行常规扫描, 获得基于滤波反投影(FBP)算法的CT图像, 并使用不同权重迭代重建算法(ASIR-V 50%、80%、100%)及不同等级深度学习重建算法(DLIR-L、DLIR-M、DLIR-H)进行图像重建, 共获得84组图像。对比分析不同重建方式下各CTDIvol组图像各部位CT值、噪声、信噪比(SNR)、对比噪声比(CNR)及主观评分的变化规律。图像质量主观评分比较采用Kruskal-WallisH检验, 客观指标和辐射剂量比较采用单因素方差分析及配对样本t检验。结果同一管电压下, 各CTDIvol组不同重建条件下各部位的噪声、SNR、CNR差异均有统计学意义(F =415.39、315.30, P<0.001), 且ASIR-V 50%与DLIR-L图像的噪声、SNR、CNR差异无统计学意义(P>0.05);主观评分之间差异均有统计学意义(100 kV组:H=13.47, P=0.036;120 kV组:H=12.99, P=0.043), 且两名医师的主观评分一致性较高(Kappa>0.70), 其中DLIR-H图像质量评分最高, DLIR-M与ASIR-V 50%图像质量主观评分基本一致;100 kV组图像质量主观评分整体较120 kV略高。以CTDIvol为15 mGy组ASIR-V 50%图像作为参照, 在满足诊断需求的前提下, 低中高等级的DLIR可以分别降低辐射剂量超过30%、70%、85%。结论 DLIR算法不仅能够显著降低图像噪声、提高图像质量, 而且可以在满足诊断需求的前提下有效降低辐射剂量;推荐临床应用100 kV结合中、高等级DLIR行腹部低剂量CT扫描。

• 单位
  郑州大学第一附属医院