深度学习重建改善了中耳炎和胸膜炎患者低剂量骨CT的图像质量
Tian-Jiao Wang1, Yun Wang1, Zhu-Hua Zhang1
1Department of Radiology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences, No. 1 Shuai Fu Yuan, Dong Cheng District, Beijing, 100730, China.
Heliyon
|December 27, 2023
概括
深度学习重建 (DLR) 用于中耳炎和胸膜炎患者的低剂量骨CT改善了客观图像质量,并保持了诊断的主观质量.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 中耳炎和乳腺炎需要高质量的骨CT成像.
- 低剂量CT协议旨在减少辐射暴露,但可能会损害图像质量.
- 深度学习重建 (DLR) 是一种用于图像增强的新技术.
研究的目的:
- 用DLR评估低剂量骨CT的图像质量,用于中耳炎和胸膜炎患者.
- 为了比较DLR与传统的过器背向投影 (FBP) 进行图像重建.
主要方法:
- 53名患者的97个骨接受了高分辨率CT (A组,FBP) 和低剂量CT (B组,DLR轻度,标准,强度).
- 通过CT值,噪声和信号对噪声比率 (SNR) 来评估目标图像质量.
- 主观图像质量和病变检测被经验丰富的读者评估.
主要成果:
- 与FBP相比,DLR (轻度,标准,强度) 显著降低了图像噪声,并增加了SNR (p < 0.001).
- 轻度和标准的DLR显示了与FBP相似的主观图像质量.
- 较强的DLR导致特定结构的主观质量较低 (modiolus,螺旋骨层,节点).
- 对FBP,DLR轻度和DLR标准的损伤检测结果相似.
结论:
- 低剂量的骨CT与DLR轻度和标准改善了客观图像质量.
- DLR轻度和标准保持足够的主观图像质量,用于诊断中耳炎和胸膜炎.
- DLR提供了一种有前途的方法,可以降低辐射剂量,同时保持诊断准确度.
