深度学习重建算法优化能谱CT低单能量图像质量及检测肝脏低对比度小病灶能力

作者：吕培杰; 刘娜娜; 王落桐; Francesca Rigiroli; Daniele Marin; 高剑波^*

来源：中国医学影像技术, 2023, 39(01): 104-108.

DOI：10.13929/j.issn.1003-3289.2023.01.024

• 肝肿瘤
• 深度学习
• 体层摄影术,X线计算机
• 图像质量

目的 观察深度学习重建(DLIR)算法用于优化能谱CT低单能量图像质量及提高检测肝脏低对比度小病灶能力的可行性。方法 纳入30例接受上腹部门脉期增强扫描的肝脏疾病患者，包括58个肝脏病灶，分别采用DLIR及基于混合模型的自适应统计迭代重建(ASIR-V)算法重建40～70 keV(间隔10 keV)单能量图像；根据肝脏、门静脉及肝脏病灶对比噪声比(CNR)和噪声进行主观评价，针对图像总体质量、病灶显著性和诊断信心评分进行主观评价，比较不同图像之间评价结果的差异。结果 相比ASIR-V图像，40～70 keV能级下，DLIR图像的CNR肝脏、CNR门静脉及CNR肝脏病灶均显著增加而噪声均显著减少(P均<0.05);40～60 keV能级下，DLIR图像总体质量、病灶显著性及诊断信心评分均高于ASIR-V图像(P均<0.05)。结论 DLIR技术可显著减少低单能量成像噪声、改善图像质量并提高检测肝脏低对比度小病灶的能力。

• 单位
  郑州大学第一附属医院; 通用电气医疗集团