使用极低剂量的低电压管全身CT血管造影:混合代重建和深度学习图像重建算法之间的比较
N Kawai1, Y Noda1, F Nakamura2
1Department of Radiology, Gifu University, 1-1 Yanagido, Gifu 501-1194, Japan.
Clinical radiology
|February 25, 2024
概括
深度学习图像重建 (DLIR) 方法,特别是DLIR-M,与混合代重建相比,在低剂量全身CT血管学中提供了更好的动脉增强和图像质量. DLIR-M提供了一个良好的平衡的描绘和质量.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 计算机断层扫描 (CT) 是一种计算机断层扫描.
背景情况:
- 低管电位计算断层扫描 (CT) 血管扫描 (CTA) 能够减少辐射剂量.
- 用低剂量的优化图像质量和动脉增强对于诊断准确性至关重要.
研究的目的:
- 为了评估动脉增强,描绘和图像质量在低管潜力全身CT血管造影 (CTA) 使用极低的剂量.
- 为了比较图像重建方法:混合代重建 (IR) 和深度学习图像重建 (DLIR).
主要方法:
- 34名参与者接受80kVp全身CTA的前性研究.
- 使用混合IR,DLIR与中强度 (DLIR-M) 和高强度 (DLIR-H) 级别的重建.
- 信号与噪声比 (SNR) 的定量分析和动脉描绘和诊断可接受性的定性评估.
主要成果:
- DLIR方法 (DLIR-M和DLIR-H) 的动脉SNR值明显高于混合IR.
- 与DLIR-H相比,DLIR-M和混合IR显示在轴向,MPR和VR图像上具有优越的动脉描绘.
- 与混合IR相比,DLIR-M和DLIR-H的诊断可接受性明显更好.
结论:
- 深度学习图像重建 (DLIR),特别是DLIR-M,提供了动脉描绘和图像质量的均衡组合.
- DLIR-M为低剂量全身CTA提供了一个有希望的替代品,提高了诊断性能.
