临床放射学杂志

作者：吕培杰, 刘娜娜, 王会霞, 李臻, 陈岩, 詹鹏超, 高剑波

单位：450052 郑州大学第一附属医院放射科吕培杰、刘娜娜、王会霞、陈 岩、詹鹏超、高剑波;介入放射科李 臻

关键词：体层摄影术,X线计算机,胰腺癌,图像质量,深度学习重组算法

基金：本研究系河南省重点研发与推广专项(科技攻关)项目(编号:232102311087);河南省高等学校重点科研项目(编号:22A320057);省部共建重点项目(编号:SBGJ202102099)

<b>目的</b> 探讨深度学习图像重组(DLIR)算法提高胰腺导管腺癌(PDAC)患者薄层增强CT(CECT)扫描的图像质量及肿瘤显著性的可行性,并与滤波反投影(FBP)算法和基于混合模型的自适应统计迭代重组(ASIR-V)算法进行对比。<b>方法</b> 回顾性分析经病理证实为PDAC且术前行双期CECT扫描的44例患者,将门静脉期图像的原始数据采用FBP、60%ASIR-V及低(L)、中(M)和高(H)强度水平的DLIR算法重组为0.625 mm的薄层图像。分别采用方差分析和Friedman检验比较各组间客观评估指标(噪声值、图像纹理、低对比度分辨率、高对比度分辨率)和主观评估指标(图像噪声、锐利度、总体图像质量和肿瘤显著性)。<b>结果</b> DLIR组图像纹理和低对比度分辨率均与FBP组相当但均优于60%ASIR-V组,DLIR组噪声值显著低于FBP组和60%ASIR-V组(P均＜0.05)。DLIR组各主观评估指标均优于或相当于FBP组和60%ASIR-V组。随着DLIR重组强度增大,高对比度分辨率和锐利度评分变化不大,低对比度分辨率和噪声变低,图像纹理变模糊,总体图像质量和肿瘤显著性评分增高。<b>结论</b> DLIR可显著改善薄层增强CT图像的图像质量,提高PDAC的肿瘤显著性。

来源：2024年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第5期