低剂量双能量CT与深度学习图像重建,用于检测和表征肝转移

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 检测肝转移对于癌症管理至关重要.
• 标准剂量CT扫描涉及显著的辐射暴露.
• 需要先进的成像技术来提高诊断准确度,同时尽量减少辐射剂量.

研究的目的:

• 为了比较低剂量双能CT (DECT) 与深度学习图像重建 (DLIR) 与标准剂量单能CT (SECT) 进行肝转移检测.
• 评估DECT光谱参数的诊断性能,以区分肝转移与囊.

主要方法:

• 80名参与者接受了标准剂量的SECT或减少剂量的DECT.
• DECT使用了40和70keV虚拟单能图像 (VMIs) 和DLIR.
• 图像噪声,对比度与噪声比率 (CNR),信号与噪声比率 (SNR),肝损伤对比度与噪声比率 (LLR),图像质量,损伤明显性和检测率被评估.
• 接收器运行特征 (ROC) 曲线分析了转移-囊差异化的光谱参数.

主要成果:

• 使用DLIR减少剂量的DECT显示显著降低图像噪声.
• DECT显示了更高的CNR,SNR和LLR,可比的病变检测和改善的明显性与SECT相比.
• 光谱参数 (斜率,度,有效原子数) 实现了曲线下的高面积 (AUC) 来区分转移与囊 (0.977-0.990).

结论:

• 在降低剂量的DECT中,DLIR提高了图像质量,使辐射剂量减少45%,而不会影响肝转移的检测.
• DECT光谱分析提供了肝转移和囊之间的准确差异化.