通过学习单能成像能力 (Learned Monoenergetic Imaging Capability) 在能量集成探测器CT中改善狭窄性评估
Shaojie Chang1, Emily K Koons1, Hao Gong1
1Department of Radiology, Mayo Clinic, Rochester, MN, USA 55905.
概括
一种新的AI方法LEMONADE增强了传统的CT扫描,以减少花的文物,并改善冠状动脉疾病的评估. 这项创新使得广泛使用的CT扫描仪可以使用先进的多能成像,从而改善了狭窄症的评估.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 冠状动脉CT血管造影 (cCTA) 对于诊断冠状动脉疾病 (CAD) 至关重要.
- 传统的CT扫描中,特别是化和支架时,花开的文物可以高估狭窄症.
- 来自光子计数CT的虚拟单能图像 (VMIs) 是有希望的,但在能量集成探测器 (EID) CT上并不是标准.
研究的目的:
- 开发和评估一个称为LEMONADE的卷积神经网络 (CNN).
- 提高标准EID-CT扫描仪的多能成像能力.
- 通过减少开花的工件来改善cCTA中狭窄的评估.
主要方法:
- 一个CNN (LEMONADE) 被训练在来自光子计数探测器CT的ccta数据上,使用70keVVMIs作为输入和100keVVMIs作为目标.
- 经过训练的LEMONADE模型应用于EID-CT数据 (幻象和患者病例).
- 使用LEMONADE增强图像进行了狭窄性评估,并与传统单能CT (SECT) 进行了比较.
主要成果:
- 在幻影研究中,LEMONADE准确量化了狭窄,显示了显著的面积减少.
- 在患者病例中,LEMONADE与标准SECT相比,平均直径的光缩减了12.9%.
- 该方法在减轻开花的工件和改善光线可见性方面表现出有效性.
结论:
- 在传统的EID-CT扫描仪上,LEMONADE可实现多能CT成像功能.
- 这种人工智能驱动的方法通过减少开花的文物,显著改善了cCTA中狭窄的评估.
- 由于EID-CT系统的流行,LEMONADE具有广泛临床影响的高潜力.
更多相关视频
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
3.0K
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
585
