换一批深度学习图像重建算法在低管电压双期CT小肠造影中的应用研究
A study on the application of deep learning image reconstruction algorithm in low-kVp dual-phase CT en-terography
摘要目的:探讨深度学习图像重建(DLIR)算法在低管电压双期CT小肠造影(CTE)图像重建中的价值.方法:回顾性选取40例接受100 kVp双期CTE扫描的研究对象.原始数据使用滤波反投影(FBP)、新一代自适应统计迭代重建(ASiR-V,30％和60％)以及DLIR(L、M、H)算法重建.对比分析不同重建算法在定量[CT值、标准差(SD)、信噪比(SNR)、对比噪声比(CNR)]和定性(图像主观评分)质量方面的表现.同时,以FBP算法的CNR为基础,评估其他五种不同算法的相对CNR增幅与BMI之间的相关性.结果:在图像质量定量分析中,六种重建算法在四个解剖部位的两个期相中CT值差异均无统计学意义(P均＞0.05),DLIR-H算法优于FBP及ASiR-V,达到最低的SD、最高的SNR及CNR(P均＜0.05).图像定性质量评估结果显示,DLIR-H及DLIR-M算法优于其它算法(P＜0.05).DLIR-M和DLIR-H的相对CNR增幅与BMI呈显著正相关(动脉期和静脉期相关系数r分别为0.319、0.387和0.314、0.333,P值均＜0.05).结论:DLIR算法提供了一种优化低剂量CT图像质量的有效工具,显著改善了图像质量,降低了噪声,特别适用于BMI较高的患者,具有广泛的临床应用潜力.
更多相关知识
关键词
深度学习图像重建CT小肠造影低剂量体层摄影术,X线计算机Deep learningImage reconstructionCT enterographyLow doseTomography,X-ray computed
栏目名称
DOI
10.13609/j.cnki.1000-0313.2025.09.001
发布时间
2025-10-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2024YFC2419300）
- 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
