学科分类
/ 1
1 个结果
  • 简介:摘要目的评价深度学习重建(DLIR)算法结合管电压技术相对于自适应统计迭代重建(ASiR-V)算法对腹部增强CT动脉晚期图像中微小动脉的显示情况。方法前瞻性收集2021年12月至2022年1月就诊于北京大学人民医院需排查腹部疾病并接受腹盆腔增强CT扫描的患者。根据CT扫描不同管电压以简单随机法将患者分为80 kV管电压(LV)组和120 kV高管电压(HV)组。根据不同重建算法,每组再进一步分为DLIR-H(D)和ASiR-V 50%(A)2个亚组。对患者进行CT增强扫描时均采用自动管电流调节技术,噪声指数统一设置为9。对重建层厚为0.625 mm的动脉晚期图像进行主观评价和客观指标评价,并记录动脉晚期扫描的辐射剂量。结果共纳入168例患者,其中男76例,女92例,年龄18~85(53±15)岁,体质指数(24±3)kg/m2;LV组91例、HV组77例。LV组主动脉和肝总动脉CT值明显高于HV组(t=-14.20,P<0.001;t=-0.95,P<0.001)。管电压相同时,D亚组动脉晚期图像噪声明显低于A亚组,肝脏、主动脉、肝总动脉信噪比(SNR)和对比噪声比(CNR)均明显高于A亚组(P均<0.001)。LV-D亚组中主动脉和肝总动脉SNR和CNR明显优于LV-A、HV-D、HV-A亚组(P均<0.001)。腹部血管显示的主观评价方面,LV-D亚组肝总动脉、肠系膜下动脉、左结肠动脉升支边缘的空间分辨力以及左结肠动脉升支对比度均显著优于LV-A、HV-D、HV-A亚组(P<0.05),脾区边缘动脉显示率(54.9%,50/91)显著优于HV-D(24.7%,19/77)和HV-A亚组(32.5%,25/77)(校正后P<0.05)。LV组与HV组间有效辐射剂量分别为(4.91±1.97)、(5.43±1.78)mSv,差异无统计学意义(P>0.05)。结论管电压技术结合DLIR算法的腹部增强CT扫描能够有效提升肠系膜下动脉发出的左结肠动脉升支及脾区边缘动脉的显示水平,为类似微小血管的评估带来更多的可能性。

  • 标签: 体层摄影术,X线计算机 深度学习 图像重建算法 微小血管