使用超低剂量脑电脑断层扫描与深度学习重建检测内出血与使用常规剂量脑电脑断层扫描相比

科学领域:

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

背景情况:

• 常规剂量计算机断层扫描 (CT) 是检测内出血的标准.
• 人们对传统剂量CT的辐射暴露存在担忧.
• 开发低剂量成像协议对于患者的安全至关重要.

研究的目的:

• 评估深度学习重建 (DLR) 的超低剂量CT协议的诊断性能,图像质量和辐射剂量.
• 使用代重建 (IR) 将DLR超低剂量CT与常规剂量CT和超低剂量CT进行比较.
• 评估DLR在降低辐射剂量时降低噪音和提高图像质量的有效性.

主要方法:

• 对93名患者进行了一项回顾性研究.
• 传统剂量CT (120kVp,123-188mA,IR) 与使用IR和DLR的超低剂量CT (120kVp,50mA) 进行了比较.
• 定性和定量评估评估了诊断性能,图像质量和辐射剂量 (CT剂量指数).

主要成果:

• 超低剂量CT与DLR实现了大约84.0%的中位体积CT剂量指数减少 (5.6mGy与35.02mGy对比).
• 与IR和常规剂量CT相比,DLR显著降低了图像噪声,并改善了信号与噪声和对比度与噪声的比率 (p < 0.001).
• 超低剂量CT与DLR显示高灵敏度 (99.3%) 和特异性 (97.5%) 检测内出血,与常规剂量CT相比.

结论:

• 具有DLR的超低剂量CT在检测内出血方面不低于常规剂量CT.
• 该DLR协议显著降低了约87.7%的辐射剂量,同时保持了诊断性能和图像质量.
• 深度学习重建为CT成像中的剂量减少提供了一个有希望的方法,而不会影响诊断准确度.