换一批深度学习重建算法联合超高分辨力探测器对眼眶CT图像质量的影响
The Impact of Deep Learning Reconstruction Algorithm Combined with Ultra-high Resolution Detector on Orbital CT Image Quality
摘要目的:本研究旨在探索 0.312 5 mm 超高分辨力探测器联合ClearInfinity(CI)深度学习重建算法对眼眶CT图像质量的影响.方法:采用NeuViz Epoch Elite CT机,对Catphan 600模体及 3只 7岁猕猴进行扫描,设置准直宽度 64×0.625 mm与 128×0.312 5 mm,分别采用滤波反投影(FBP)、60%自适应迭代重建算法ClearView(CV)及 60%深度学习重建算法CI获取图像,通过调制传递函数(MTF)、对比噪声比(CNR)等客观指标及双盲法主观评分评估图像质量,并进行统计学分析.结果:模体实验中,标准算法与骨算法下,准直宽度 128×0.312 5 mm图像的MTF50%、MTF10%及CNR部分指标显著优于 64×0.625 mm;CI算法图像的CNR显著优于FBP和CV算法.动物实验中,准直宽度128×0.312 5 mm图像中内直肌的CNR显著高于64×0.625 mm,CI算法下内直肌与眼球的CNR及主观评分均最优,且两位医师主观评分一致性好(Kappa≥0.75).结论:0.312 5 mm超高分辨力探测器联合深度学习算法可显著提升眼眶CT图像的分辨力、对比度,减少噪声与伪影,具有良好的临床应用前景.
更多相关知识
关键词
超高分辨力探测器深度学习重建算法眼眶CTultra-high-resolution detectordeep learning reconstruction algorithmorbital CT
分类号
TP18R814（放射医学）
栏目名称
DOI
10.15953/j.ctta.2025.282
发布时间
2026-03-06（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
