使用U-Net提高稀疏视图肺瘤CT图像的图像质量
Annika Ries1,2, Tina Dorosti3,4,5, Johannes Thalhammer1,2,6,7
1Chair of Biomedical Physics, Department of Physics, School of Natural Sciences, Technical University of Munich, Garching, 85748, Germany.
European radiology experimental
|May 2, 2024
概括
将计算机断层扫描 (CT) 视图减少到64次,可以显著提高使用U-Net后处理检测肺转移的图像质量. 这提高了诊断的信心,同时保持了令人满意的图像质量.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 计算机断层扫描 (CT) 是一种计算机断层扫描.
背景情况:
- 稀疏视图计算机断层扫描 (CT) 经常遭受图像质量 (IQ) 的降低.
- 通过U-Net的深度学习模型,可以提高稀疏视图CT智商.
- 优化视野缩小,智商和诊断信心之间的权衡至关重要.
研究的目的:
- 为了提高稀疏视图CT图像质量来检测肺转移,使用U-Net.
- 为了确定诊断准确度的最佳投影视图数量.
- 评估U-Net后处理对放射科医生的信心的影响.
主要方法:
- 从41名受试者 (34人患有肺转移) 进行CT图像的回顾性选择.
- 使用过后投影 (16-512次观看) 重建稀疏视图CT数据.
- 双框架U-Net模型的培训和评估;评估智商和信心的多读者研究.
主要成果:
- 通过U-Net对64投影稀疏视图的后处理,提高了灵敏度 (0.89到0.94) 和Dice相似度系数 (0.81到0.85).
- 不到64次观看导致智商不足以诊断.
- 在稀疏视图和U-Net后处理图像与增加视图之间没有观察到实质性的差异.
结论:
- 投影视图可以减少到64个,同时保持令人满意的图像质量和放射科医生的信心.
- 通过U-Net的后处理,可以提高IQ,提高CT肺转移检查的诊断信心.
- 这种方法可以减少CT成像中的剂量.
