在TIPSS程序中提高圆-光束CT图像质量,使用AI Denoising

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 跨内肝移植系统 (TIPS) 程序需要高质量的成像.
• 辐射剂量和运动工件是CBCT对TIPS的重大挑战.
• 优化图像质量,辐射剂量和扫描时间之间的平衡至关重要.

研究的目的:

• 评估基于深度学习的CBCT在TIPS程序中的denoising算法.
• 评估算法的减少辐射剂量和运动器件的能力.
• 为了保持诊断图像质量,采集时间缩短.

主要方法:

• 追溯分析44名TIPS患者的CBCT数据.
• 6秒和3秒的获取时间的比较.
• 使用传统的过后投影 (原版) 和人工智能消除算法 (AID) 的图像重建.
• 客观 (CNR,噪声) 和主观 (放射科医生评估) 的图像质量评估.

主要成果:

• 与6秒扫描相比,较短的3秒扫描显著降低了辐射剂量 (DAP).
• 人工智能拒绝算法 (AID) 在6秒扫描中实现了最高的对比度 (CNR).
• 在6秒的原始和3秒的AID图像之间,噪音水平没有显著差异.
• 主观评估显示,6秒的AID图像质量优越,在6秒的原始图像和3秒的AID图像之间没有显著差异.

结论:

• 人工智能拒绝算法有效地提高了TIPS的CBCT图像质量.
• 较短的CBCT获取时间是可行的,人工智能denoising,减少辐射暴露.
• 人工智能驱动的拒绝提供了一个有前途的解决方案,用于优化图像质量和TIPS程序中的安全性.