低剂量肝脏CT:深度学习图像重建算法的图像质量和诊断准确性
Damiano Caruso1, Domenico De Santis1, Antonella Del Gaudio1
1Department of Medical-Surgical Sciences and Translational Medicine, Radiology Unit, Sant'Andrea University Hospital, Sapienza University of Rome, Via Di Grottarossa, 1035-1039, 00189, Rome, Italy.
European radiology
|September 9, 2023
概括
深度学习图像重建 (DLIR) 与自适应统计代重建 (ASiR-V) 相比,为腹部CT扫描提供更优质的图像质量和诊断准确性. 特别地,DLIR提高了检测小的肝脏病变.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 腹部CT成像 腹部CT成像
背景情况:
- 代重建算法在腹部CT中是标准的,但它们对图像质量和低血管肝损伤诊断准确性的影响需要进一步评估.
- 适应统计代重建 (ASiR-V) 是一种广泛使用的代重建技术.
- 深度学习图像重建 (DLIR) 是一种新的图像重建方法,对图像质量和病变检测有潜在的好处.
研究的目的:
- 用DLIR重建的腹部CT图像质量进行主体内部分析.
- 将DLIR的诊断准确性与标准ASiR-V算法进行比较.
- 为了评估DLIR在不同强度级别的低血管性肝病变的性能.
主要方法:
- 癌症患者接受对比度增强腹部CT的潜在招生.
- 使用DLIR (高,中,低强度) 和ASiR-V (10-100%强度) 的图像重建.
- 放射科医生对病变的表征和读者对诊断准确度,SNR,CNR,FOM和主观图像质量的评估,使用利克尔特尺度.
主要成果:
- DLIR_H证明了与ASiR-V100%相比的SNR和CNR.
- DLIR_M实现了最高的主观图像质量和FOM显著增加.
- 与ASiR-V50% (26/33) 相比,DLIR_M改善了≤0.5厘米 (32/33) 的病变检测,DLIR的整体病变准确率为93.8%,ASiR-V的病变准确率为87.7%,DLIR的病变准确率为93.8%.
结论:
- 与ASiR-V相比,DLIR提供了优越的图像质量和更高的诊断准确性,用于低血管性肝病变.
- 中强度的DLIR算法在检测小低血管性肝病变 (≤0.5厘米) 中表现出特别高的有效性.
- DLIR可以安全地集成到常规的腹部CT协议中,以取代代的重建技术.
