使用基于人工智能代重建的超低剂量CT进行肺结节的术前定位

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:

• 肺结节的定位需要多次CT扫描,这引发了人们对辐射暴露的担忧.
• 开发方法来降低辐射剂量,同时保持图像质量至关重要.

研究的目的:

• 评估使用超低剂量CT与人工智能代重建 (ULDCT-AIIR) 进行术前肺结节定位的可行性.
• 为了比较ULDCT-AIIR的图像质量和诊断性能与传统的低剂量CT (LDCT) 技术.

主要方法:

• 一项前性研究涉及40名患者,他们接受了手术前的绳定位肺结节.
• 图像重建技术的比较:过后投影 (FBP),混合代重建 (HIR) 和AIIR应用于LDCT和ULDCT数据集.
• 图像噪声,对比度和噪声比率 (CNR) 和距离测量的定量评估.
• 使用利克尔特尺度对图像质量进行主观评估,以可视化结节,定位工具和并发症.

主要成果:

• 与LDCT相比,ULDCT扫描实现了90%的辐射剂量减少.
• ULDCT-AIIR证明了与LDCT-HIR相比较的肺膜噪声和CNR_结节-肺.
• 对ULDCT-AIIR的主观图像质量评分不低于LDCT-HIR,并且优于其他重建方法.
• 在重建组之间没有观察到距离测量的显著差异.

结论:

• 在显著较低的辐射剂量下,ULDCT-AIIR提供与LDCT-HIR相似的图像质量.
• ULDCT-AIIR显示承诺作为一个有效的替代手术前肺结节局部化,减少辐射风险.