低能量的虚拟单色CT与深度学习图像重建,以改善内分泄漏的划分
T Higashigawa1, Y Ichikawa1, K Nakajima2
1Department of Radiology, Mie University Hospital, 2-174 Edobashi, Tsu, Mie 514-8507, Japan.
Clinical radiology
|July 30, 2024
概括
具有深度学习图像重建 (DLIR) 的低能量的虚拟单色成像 (VMI) 显著提高了内血管大动脉修复 (EVAR) 后内泄漏 (EL) 检测. 这种技术提高了对比度和噪声比率,并提高了可见性,从而提高了诊断准确度.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 干预心脏病学 干预心脏病学
背景情况:
- 内血管大动脉修复 (EVAR) 是治疗大动脉动脉瘤的常见程序.
- 精确检测内泄漏 (ELs) 对于成功的EVAR结果至关重要.
- 对比度增强的双能CT (DECT) 经常用于EVAR后监测.
研究的目的:
- 评估低能虚拟单色成像 (VMI) 结合深度学习图像重建 (DLIR) 的有效性,以改善EVAR后的内泄漏 (EL) 划分.
- 为了比较DLIR重建的VMI与传统混合代重建 (IR) 的诊断性能.
主要方法:
- 包括61名接受了EVAR和对比增强DECT的患者.
- 在40和70keV的虚拟单色图像使用DLIR和常规混合IR进行了重建.
- 经验丰富的放射科医生评估了对比度与噪声比 (CNR) 和EL的定性明显性.
主要成果:
- 在30名患者中发现了Endoleaks.
- DLIR重建显示,与混合IR相比,在40和70keV (P<0.001) 时,EL的CNR显著更高.
- 与其他重建方法相比,40-keV DLIR图像显示出明显优异的EL显著性 (P<0.05).
结论:
- 低能40-keV VMI与DLIR相结合显著增强了EVAR后的内漏界限.
- 与传统方法相比,这种先进的成像技术为EVAR后监测提供了更好的诊断准确性.
