学科分类
/ 1
3 个结果
  • 简介:摘要目的探讨深度学习重建(DLR)较混合迭代重建(HIR)在降低CT肺动脉成像(CTPA)辐射中的作用及对图像质量的影响。方法前瞻性纳入2020年12月至2021年4月在北京协和医院临床疑诊为急性肺动脉栓塞(APE)或因其他肺动脉疾病需行CTPA检查的患者100例,根据区组随机化分为HIR组、DLR组,每组50例,记录患者的性别、年龄及体质指数(BMI)。HIR组、DLR组噪声指数(SD)分别设置为8.8、15,其他扫描参数及对比剂注射方案相同,分别采用HIR、DLR算法重建。计算有效剂量(ED)及体型特异性扫描剂量(SSDE)。在1~3级肺动脉管腔、双侧椎旁肌勾画感兴趣区(ROI),记录各ROI CT值及标准差值,计算图像的信噪比(SNR)、对比噪声比(CNR)。由2名高年资医师采用盲法,以Likert 5分制对2组图像进行主观评估,评分不一致时由第3名医师综合判定。采用独立样本t检验对比2组患者一般资料、辐射及客观图像质量,采用Mann-Whitney U检验对主观噪声、肺动脉分支显示、诊断信心进行组间比较,计算线性加权Kappa系数分析2名医师评分的一致性。结果HIR组、DLR组患者性别、年龄、BMI差异无统计学意义(P>0.05)。HIR组与DLR组图像1~3级肺动脉及椎旁肌CT值差异无统计学意义(P>0.05)。DLR组平均ED为1.3 mSv,SSDE中位数为4.20 mGy,均较HIR组降低约35%,但DLR组CTPA图像的SNR(30±5)、CNR(26±5)均高于HIR组(分别为23±5、20±5,t值分别为-6.60、-5.90,P<0.001)。DLR组主观图像噪声得分明显高于HIR组(Z=-7.34,P<0.001),且2名医师一致性高(Kappa=0.847,95%CI 0.553~1.000);DLR组与HIR组图像在肺动脉分支显示以及医师诊断信心得分上差异无统计学意义(Z分别为-0.259、-0.296,P>0.05)。结论DLR能够进一步降低CTPA检查辐射,提高图像质量且不影响医师诊断信心,值得在临床推广。

  • 标签: 体层摄影术,X线计算机 辐射剂量 深度学习 图像质量
  • 简介:摘要目的探讨深度学习重建(DLR)较混合迭代重建(Hybrid IR)在改善胸部低剂量CT(LDCT)图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建,获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差,用于计算信噪比(SNR)和对比噪声比(CNR)。同时,由2名影像医师按照Likert 5分量表法对图像质量进行主观评分,且记录肺磨玻璃结节(GGN)的数量,并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析,若总体存在差异,则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义(P均>0.05),而图像噪声、SNR和图像的CNR差异均有统计学意义(P均<0.05)。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71(0.49,0.88)、1.06(0.78,1.32)和1.14(0.84,1.48)。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高,差异均有统计学意义(P均<0.05)。在对主要解剖结构(肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包)和GGN的显示上,标准级别和强级别DLR图像评分明显优于Hybrid IR图像,差异均有统计学意义(P均<0.05)。结论与Hybrid IR相比,DLR可以明显降低LDCT图像的噪声,且对GGN的显示良好,有助于在较低辐射水平时保证图像质量,从而改善采用CT行肺癌筛查及肺结节随访的安全性。

  • 标签: 体层摄影术,X线计算机 辐射剂量 深度学习重建 磨玻璃结节 图像质量
  • 简介:摘要目的探讨胸部超低剂量CT(ULDCT)应用深度学习重建(DLR)进行肺癌筛查的可行性,并比较其与ULDCT混合迭代重建(Hybrid IR)及常规剂量CT(RDCT)Hybrid IR的图像质量和结节检出率。方法前瞻性纳入2020年10月至2021年3月在北京协和医院因肺结节接受胸部CT检查的患者。对患者分别进行胸部RDCT(120 kVp,自动管电流)和ULDCT(100 kVp,20 mA)扫描,并采用Hybrid IR(AIDR 3D)重建RDCT图像,采用AIDR 3D和DLR(AICE)重建ULDCT图像。记录辐射和结节数。使用主气管及左肺上叶的客观噪声、信噪比(SNR)、肺部总体及结节的主观图像评分评估图像质量。主观评分由2名经验丰富的放射科医师采用Likert 5分制评分。采用配对t检验比较ULDCT与RDCT辐射的差异。采用单因素方差分析或Friedman检验对3种重建方法的定量指标、客观图像噪声及主观评分进行比较。结果共纳入45例,男17例、女28例,年龄32~74(55±11)岁。ULDCT的辐射为(0.17±0.01)mSv,显著低于RDCT[(1.35±0.41)mSv,t=15.46,P<0.001]。ULDCT-AICE、ULDCT-AIDR 3D及RDCT-AIDR 3D图像在气管CT值、气管噪声、气管SNR、肺实质噪声及肺实质SNR的总体差异均有统计学意义(P<0.05),其中ULDCT-AICE的气管及肺实质图像噪声、气管CT值显著低于ULDCT-AIDR 3D(P<0.05),与RDCT-AIDR 3D差异无统计学意义(P>0.05)。RDCT-AIDR 3D、ULDCT-AIDR 3D、ULDCT-AICE总体图像质量和肺结节图像质量主观评分差异有统计学意义(χ²=50.57、117.20,P<0.001),其中ULDCT-AICE总体图像质量和肺结节图像质量主观评分优于ULDCT-AIDR 3D(P<0.05),与RDCT-AIDR 3D差异无统计学意义(P>0.05)。RDCT-AIDR 3D、ULDCT-AIDR 3D、ULDCT-AICE方法检出结节的数量一致,均为72个。结论胸部ULDCT采用DLR重建可显著降低辐射,且与Hybrid IR相比,能够有效降低图像噪声并提高SNR,并对肺结节的显示良好,图像质量及结节检出效果不弱于目前临床中常规使用的RDCT Hybrid IR。

  • 标签: 肺肿瘤 体层摄影术,X线计算机 深度学习重建 图像质量