对心脏CT进行超分辨率深度学习重建:辐射剂量和焦点大小对基于任务的图像质量的影响
Takafumi Emoto1, Yasunori Nagayama2, Sentaro Takada3
1Department of Central Radiology, Kumamoto University Hospital, 1-1-1, Honjo, Chuo-Ku, Kumamoto, 860-8556, Japan.
Physical and engineering sciences in medicine
|June 17, 2024
概括
超分辨率深度学习重建 (SR-DLR) 与代重建 (IR) 和正常分辨率DLR (NR-DLR) 相比,提供更优质的心脏CT图像质量和更低的噪音. 在保持诊断性能的同时,SR-DLR可以显著降低辐射剂量.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 心脏CT成像质量对于诊断至关重要.
- 减少辐射剂量是CT成像中的一个关键问题.
- 深度学习重建 (DLR) 显示出改善CT图像质量的前景.
研究的目的:
- 评估辐射剂量和焦点尺寸对心脏CT超分辨率DLR (SR-DLR) 的影响.
- 在图像质量和噪音性能方面,将SR-DLR与代重建 (IR) 和正常分辨率DLR (NR-DLR) 进行比较.
- 确定SR-DLR是否可以促进心脏CT的辐射剂量减少.
主要方法:
- 使用Catphan-700幻影扫描仪在320行CT扫描仪上扫描,辐射剂量 (1.4-8.8mGy) 和焦点尺寸各不相同.
- 使用混合IR,基于模型的IR,NR-DLR和SR-DLR算法重建图像.
- 评估噪声特性 (噪声功率谱),空间分辨率 (基于任务的转移函数) 和可检测性 (d') 量化. 执行图像质量的视觉排名.
主要成果:
- 与IR和NR-DLR相比,SR-DLR在所有辐射剂量中始终表现出最低的噪声强度和最高的空间分辨率.
- 在所有重建方法中,以 4.3 mGy 实现了最佳的中高对比度空间分辨率.
- 在噪声性能,空间分辨率和整体图像质量方面,4.3 mGy的SR-DLR在噪声性能,空间分辨率和整体图像质量方面超过了8.8 mGy的其他方法.
结论:
- 与传统的重建算法相比,SR-DLR显著提高了心脏CT中的图像质量和噪声性能.
- 在不影响诊断图像质量的情况下,SR-DLR有助于大幅减少辐射剂量.
- 将SR-DLR与小焦点扫描相结合,对降低剂量和提高图像质量特别有希望.
