在超低辐射和对比剂条件下,通过高设置 (DLIR-H) 算法进行深度学习图像重建来优化心血管CT图像质量
1Department of Radiology, The Affiliated Hospital of Xuzhou Medical University, Xuzhou, Jiangsu, 221002, China; School of Medical Imaging, Xuzhou Medical University, Xuzhou, Jiangsu, 221002, China; Jiangsu Provincial Engineering Research Center for Medical Imaging and Digital Medicine, Xuzhou, Jiangsu, 221002, China.
Radiography (London, England : 1995)
|September 6, 2025
概括
深度学习图像重建 (DLIR-H) 在低剂量扫描中显著改善双能量CT血管图像质量. 这种先进的技术提高了诊断细节,同时降低了患者的辐射和对比剂风险.
科学领域:
- 医学成像
- 放射学
- 医疗保健中的人工智能
背景情况:
- 冠状动脉疾病是中风的主要原因,通常通过冠状动脉CT血管学 (CTA) 进行评估.
- 标准CTA涉及辐射和对比剂,
- 深度学习图像重建 (DLIR) 提供了降低辐射剂量的增强成像的潜力.
研究的目的:
- 评估DLIR-H算法的提高40keV虚拟单能图像 (VMI) 在双能CTA (DE-CTA) 的质量.
- 评估DLIR-H对图像质量的影响,同时尽量减少辐射剂量和对比剂量.
- 将DLIR-H与超低剂量协议下的传统重建方法进行比较.
主要方法:
- 在120名接受DE- CTA的患者中进行了前性研究,分为四组 (ASIR- V对照组和三个DLIR组:L,M,H).
- 所有扫描都采用"三重低"方案:低辐射,低对比度和低注射速率.
- 分析了客观图像质量指标 (CT值,噪声,SNR,CNR) 和主观图像质量得分.
主要成果:
- DLIR-H显示出优异的图像质量,显著降低噪声,增加SNR和CNR,特别是在复杂的动脉区域.
- 与对照组相比,DLIR- H 方案使辐射剂量减少了 15. 6%,对照体积减少了 17. 5%.
- 主观评估显示DLIR-H组的图像质量得分最高.
结论:
- 在超低剂量条件下,DLIR-H有效地提高了DE-CTA图像质量,保持了诊断精度.
- 这项技术减少了与辐射和对比剂相关的患者风险,使其适用于高风险人群.
- DLIR-H促进了超低剂量动脉成像方案的更安全和更广泛的临床应用.
更多相关视频
08:41Novel In Vivo Micro-Computed Tomography Imaging Techniques for Assessing the Progression of Non-Alcoholic Fatty Liver Disease
Published on: March 24, 2023
1.3K
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
3.1K
