换一批深度学习重建在COPD低剂量胸部CT中的应用价值
Application Value of Deep Learning Reconstruction in Low-dose Chest CT for COPD
摘要目的:比较深度学习图像重建(DLIR)低剂量胸部CT与迭代重建(ASIR-V)标准剂量胸部CT在慢性阻塞性肺疾病(COPD)患者中的图像质量.方法:前瞻性纳入 106例患者,分别进行标准剂量(SD)和低剂量(LD)胸部CT扫描.LD组采用ASIR-V(LD-AR)及3种强度DLIR(LD-DL/DM/DH)重建,SD组采用ASIR-V重建(SD-AR).测量或计算解剖结构的噪声(SD值)、信噪比(SNR)和对比噪声比(CNR),并由医师进行主观图像质量评分.结果:SD组和LD组有效辐射剂量分别为(4.0±1.37)mSv和(1.14±0.47)mSv.LD-DLIR图像的噪声均低于SD-AR,SNR及CNR更高,其中LD-DH组最优.主观评分显示LD-DLIR图像在噪声水平、解剖结构及肺气肿显示方面均优于SD-AR图像,以LD-DH评分最高.结论:DLIR算法可在降低 71.5%剂量的同时显著提升COPD患者胸部CT的图像质量,以DLIR-H效果最佳.
更多相关知识
关键词
深度学习图像重建辐射剂量慢性阻塞性肺疾病图像质量迭代重建deep learning image reconstructionradiation dosechronic obstructive pulmonary diseaseimage qualityiterative reconstruction
栏目名称
DOI
10.15953/j.ctta.2025.265
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）
基金项目
福建省自然科学基金项目（2025J01786）
福建卫健委科技计划自助项目（2024TG004）
- 浏览1
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
