图像质量和损伤检测多平面重建图像使用深度学习:与混合代重建的比较
Hiroto Yunaga1, Hidenao Miyoshi1, Ryoya Ochiai1
1Division of Radiology, Department of Multidisciplinary Internal Medicine, School of Medicine, Faculty of Medicine, Tottori University, Yonago 683-8503, Japan.
Yonago acta medica
|May 28, 2024
概括
深度学习重建 (TrueFidelity) 与自适应统计代重建-V (ASiR-V) 相比,显著改善了胸部CT图像质量,特别是在心叶区域. TrueFidelity还提供了更好的图像纹理偏好.
科学领域:
- 放射学 放射学是指放射学
- 医疗成像医学成像
- 图像重建 图像的重建
背景情况:
- 计算机断层扫描 (CT) 对于诊断肺部疾病至关重要.
- 图像重建技术会影响诊断准确度和图像质量.
- 对比先进的重建算法对于优化CT协议至关重要.
研究的目的:
- 为了比较深度学习重建 (TrueFidelity) 的图像质量和噪声特征与胸部CT中的自适应统计代重建-V (ASiR-V) 相比.
- 评估TrueFidelity在不同强度 (中等和高强度) 的主观和客观性能与ASiR-V.
主要方法:
- 怀疑患有肺部疾病的40名患者接受了胸部CT.
- 使用ASiR-V和TrueFidelity (中高强度) 重建了图像.
- 放射科医生评估了主观图像质量和偏好; 测量了客观图像噪声.
主要成果:
- 这两种TrueFidelity强度 (TF-M,TF-H) 在中枢球区域可视化方面都比ASiR-V评价要好得多.
- 读者偏好分数偏好了TrueFidelity而不是ASiR-V.
- 中强度的TrueFidelity (TF-M) 显示出明显较低的客观图像噪声.
结论:
- 与ASiR-V相比,TrueFidelity (深度学习重建) 在胸部CT中提供了优越的主观和客观图像质量.
- TrueFidelity 增强了关键肺部结构的可视化,如心球中心区域.
- 通过TrueFidelity改进的图像纹理和降低噪音,有利于诊断性能.
