深度学习图像重建算法在肝脏增强CT成像中改善图像质量及辐射剂量的应用价值

作者：杨硕; 别依凡; 庞国栋; 李行超; 刘平^*

来源：医学影像学杂志, 2023, 33(05): 785-789.

• 肝脏
• 体层摄影术,X线计算机
• 深度学习重建
• 图像质量
• 辐射剂量

目的 探讨深度学习图像重建算法(DLIR)对肝脏增强CT延迟期图像质量、辐射剂量的影响。方法 选取因可疑肝肿块行腹部增强CT扫描患者70例，随机分为常规剂量组(A组)35例和低剂量组(B组)35例，对A、B两组患者延迟期数据分别进行30.0%迭代重建算法(ASIR-V 30.0%)、中等级DLIR(DLIR-M)、高等级DLIR(DLIR-H)重建，亚组分别命名为AAS-30、ADL-M、ADL-H,BAS-30、BDL-M、BDL-H。比较AAS-30、ADL-M、ADL-H算法间，BAS-30、BDL-M、BDL-H算法间，以及AAS-30与BDL-M、BDL-H算法间图像噪声、信噪比(SNR)、对比噪声比(CNR)及主观图像质量评分的统计学差异。结果 在A组间和B组间，DLIR算法图像噪声、SNR、CNR和主观图像质量评分均优于ASIR-V 30.0%图像(均P<0.01),以DLIR-H图像噪声最低，SNR、主观评分最高。在有效辐射剂量降低81.0%时，BDL-M算法图像噪声、SNR、CNR与AAS-30算法差异无统计学意义(均P>0.05),但主观图像质量评分仍略高于AAS-30算法(3.00±0.41 vs 2.32±0.47,P<0.01),BDL-H算法图像噪声、SNR、CNR和主观图像质量评分均优于AAS-30算法(均P<0.01),且BDL-M、BDL-H算法图像主观评分均能基本满足临床诊断需求(主观评分≥3分)。结论 DLIR算法可显著提高肝脏增强CT图像质量，并可在保证临床诊断质量的同时，显著降低扫描辐射剂量。

• 单位
  山东中医药大学第二附属医院; 山东大学第二医院