深度学习重建提高了Adamkiewicz动脉在低keV双能量CT中的图像质量
Fuminari Tatsugami1, Toru Higaki2, Ikuo Kawashita1
1Department of Diagnostic Radiology, Hiroshima University, Hiroshima, Japan.
Acta radiologica (Stockholm, Sweden : 1987)
|October 22, 2024
概括
深度学习图像重建 (DLIR) 增强了从双能CT获得的低千电子电压 (keV) 虚拟单能图像 (VMIs) 上对亚当基维奇动脉 (AKA) 的可视化.DLIR与传统的混合代重建相比,显著改善了AKA的划线.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 计算机断层扫描 (CT) 是一种计算机断层扫描.
背景情况:
- 从双能量计算机断层扫描 (CT) 获得的低千电子电压 (keV) 虚拟单能图像 (VMIs) 改善了对象化对比度,用于像Adamkiewicz动脉 (AKA) 这样的小动脉.
- 在低keV VMI 中的图像噪声可以阻碍关键血管结构的检测.
- 深度学习图像重建 (DLIR) 是一种有前途的技术,可以在CT成像中降低噪音,而不会影响图像质量.
研究的目的:
- 评估DLIR在从双能CT扫描中获得的低keVVMI上增强Adamkiewicz动脉 (AKA) 的可视化效果.
- 将DLIR重建图像的图像质量和诊断性能与不同keV级别的传统混合代重建 (HIR) 相比较.
主要方法:
- 包括29名患者的队列,在大动脉修复之前接受CT血管造影.
- 在70 keV和40 keV的虚拟单能图像 (VMIs) 中,使用混合代重建 (HIR) 进行了重建.
- 此外,使用深度学习图像重建 (DLIR) 重建了40 keV的VMIs.
- 图像噪声,前脊髓动脉 (ASA) CT 值和对比度与噪声比 (CNR) 被量化.
- 整体图像质量和AKA划分被主观评估,使用4分评分系统.
主要成果:
- 与40keV的HIR图像相比,40keV的DLIR图像显示脊髓噪声显著降低,尽管高于70keV的HIR图像.
- 前脊髓动脉 (ASA) 的最高对比度 (CNR) 是通过40-keV DLIR重建实现的.
- 40keV DLIR的平均图像质量得分与70keV HIR相比,高于40keV HIR.
- 与70keV HIR相比,AKA的平均分界分数在40keV HIR和40keV DLIR中都显著更高.
结论:
- 深度学习图像重建 (DLIR) 在低千电伏 (keV) 虚拟单能图像 (VMIs) 上显著改善了Adamkiewicz动脉 (AKA) 的可视化和划分.
- DLIR为传统的混合代重建 (HIR) 提供了一个优质的替代方案,用于增强在双能量CT血管学中检测小的关键动脉.
