优化计算机断层扫描图像重建的焦点肝损伤:深度学习图像重建与代重建
Varin Jaruvongvanich1, Kobkun Muangsomboon1, Wanwarang Teerasamit1
1Department of Radiology, Faculty of Medicine Siriraj Hospital, Mahidol University, Bangkok, Thailand.
Heliyon
|August 22, 2024
概括
深度学习图像重建 (DLIR) 与代重建 (IR) 相比,为肝损伤提供更优质的图像质量. 低强度DLIR为CT扫描提供了图像质量和降噪的最佳平衡.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 深度学习图像重建 (DLIR) 是一种先进的计算机断层扫描 (CT) 技术.
- DLIR的目标是减少图像噪声,提高图像质量,降低辐射剂量.
- 本研究将DLIR和代重建 (IR) 进行比较,以评估肝损伤.
研究的目的:
- 为了比较DLIR和IR在评估焦点肝病变的诊断性能.
- 评估不同DLIR和IR强度对图像质量和噪声的影响.
- 为了确定最佳的DLIR设置来评估肝病变.
主要方法:
- 对109名成年患者的216个焦点肝病变进行了回顾性分析.
- 使用DLIR (低,中,高) 和IR (0-30%) 重建腹部CT图像.
- 放射科医生评估了病变的检测能力,边界,信心,文物和整体质量;图像噪声被量化测量.
主要成果:
- 在重建技术之间观察到损伤边界,文物和整体图像质量的显著差异 (p < 0.001).
- 低强度DLIR (DLIR-L) 产生了最好的整体图像质量.
- 高强度DLIR (DLIR-H) 降低了噪音和人工物,但降低了损伤边界质量.
结论:
- 与IR相比,最佳强度的DLIR显著提高了焦点肝损伤评估的整体图像质量.
- DLIR-L显示出优越的整体图像质量,同时保持可接受的噪音和损伤边界特征.
- DLIR代表了腹部CT成像肝病变的有前途的进步.
