换一批低管电流联合深度学习算法在副鼻窦CT成像中的对比研究
Contrast Study of Low Tube Current Combined with Deep Learning Algorithms in Paranasal Sinus CT Imaging
摘要目的:探讨低管电流联合深度学习算法在副鼻窦CT成像中的应用效果,评估其在图像质量与辐射剂量方面的优势.方法:回顾性收集 2024年 3月至 2024年 11月在首都医科大学附属北京友谊医院接受副鼻窦CT检查的患者,将其分为3组:常规剂量组、低管电流CI组以及CV组.分别对3组图像的下鼻甲黏膜、翼内肌、颞窝脂肪区域进行CT值、SD值、信噪比(SNR)和对比噪声比(CNR)的测量与计算,客观评估图像质量.同时,由两名头颈影像专业医师基于最薄层厚图像,采用 4分法对 3组图像进行主观质量评分.比较常规剂量组与低管电流组的辐射剂量.结果:本研究共纳入 80例患者.其中常规剂量组 40例,低管电流CI组和CV组40例.3组间下鼻甲黏膜、翼内肌、颞窝脂肪CT值差异无统计学意义.在常规剂量组与CI组之间,SD值、信噪比(SNR)及对比噪声比(CNR)的差异无统计学意义.然而,常规剂量组与CV组在下鼻甲黏膜、翼内肌、颞窝脂肪区域的SD值及信噪比(SNR)方面,差异具有统计学意义.同样,CI组与CV组在相应区域的SD值及信噪比(SNR)方面,差异具有统计学意义.对于对比噪声比(CNR),常规剂量组与CV组在下鼻甲黏膜、翼内肌区域的差异具有统计学意义,CI组与CV组在相应区域对比噪声比(CNR)的差异亦具有统计学意义.在图像主观评分方面,常规剂量组和CI组的得分分别为(3.93±0.26)分和(3.88±0.33)分,显著高于CV组的(2.70±0.46)分,差异具有统计学意义.此外,低管电流组的辐射剂量相较于常规剂量组降低约 73%,差异具有统计学意义.结论:低管电流联合深度学习算法在副鼻窦CT成像中,能够在保证图像质量前提下,显著降低辐射剂量.
更多相关知识
栏目名称
DOI
10.15953/j.ctta.2024.288
发布时间
2025-06-10（万方平台首次上网日期，不代表论文的发表时间）
- 浏览15
- 被引3
- 下载15
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
