在临床光子计数检测器CT投影数据中插入肝病变

科学领域:

• 医学成像物理 医学成像物理
• 放射学 放射学是一门学科.
• 计算成像技术的成像

背景情况:

• 在光子计数探测器CT (PCD-CT) 中以任务驱动的图像质量评估需要具有已知的病理病理的现实患者数据.
• 通过传统方法建立这样的数据集是耗时和资源的.

研究的目的:

• 通过将数字损伤模型插入现有图像,开发一个有效的框架来创建现实的PCD-CT病例.
• 促进PCD-CT系统和先进的图像处理算法的系统性评估.

主要方法:

• 一个人工智能辅助的半自动注释从真实病理图像中生成数字病变模型.
• 计算了病变模型的多能量前预测,并添加到患者PCD-CT预测中.
• 修改后的投影被重建,以创建病变存在的图像,经过定量和质量验证.

主要成果:

• 插入的病变与原始组织相比,CT数量没有统计学上显著的差异 (p > 0.05).
• 插入的病变的形态特征与原始病变非常相似 (平均SSIM 0.95 ± 0.02).
• 插入的病变的放射性特征在统计上与原始病变相似 (p > 0.05).

结论:

• 开发的框架成功生成了现实的病变插入PCD-CT患者数据.
• 这种方法大大减少了创建图像质量评估注释数据集所需的时间和资源.
• 该框架支持对具有特定病理目标的PCD-CT技术和算法的评估.