换一批深度学习重建算法在不同剂量水平下对CT影像组学特征的影响:体模研究
Effect of Deep Learning Reconstruction Algorithm on CT Radiomics Features at Different Dose Levels:Phantom Study
摘要目的 探讨不同辐射剂量水平下深度学习(DL)重建算法对CT影像组学特征的影响.方法 应用联影uCT760,在120 kVp管电压下,采用高(150 mAs)、中(90 mAs)、低(30 mAs)3种剂量水平对PH-75体模进行扫描.体模中分别置入软组织棒(肝脏等价材料)、碘棒(12 mgI/ml),用于模拟腹部平扫和增强图像.扫描完成后,基于原始扫描数据采用滤波反投影(FBP)、DL(1～4级)算法进行图像重建.以ITK-SNAP软件手动勾画ROI,采用AK软件提取每一 ROI的影像组学特征(7类共计107个),包括形状、一阶、灰度相关矩阵、灰度游程矩阵、灰度共生矩阵、灰度区域矩阵及邻域灰度差分矩阵.计算各特征变异系数(CV)以评价不同剂量水平下DL算法不同等级对不同组织CT影像组学特征的影响.结果 对于平扫(肝脏等价材料)在高剂量和中剂量下,与FBP算法相比,DL算法使组学特征趋于稳定,随着DL等级的提升,稳定的组学特征数目增多;在低剂量下,变化趋势不显著,即使DL4级重建,部分特征仍变异度较大;相同算法下,随辐射剂量增加,稳定的组学特征数目增多.对于增强(碘棒,12 mgI/ml)在不同剂量水平下,与FBP算法相比,DL算法使组学特征趋于稳定,随着DL等级的提升,中等稳定特征数目减少,稳定及非常稳定特征数目增多,而不稳定特征数目在使用DL1级重建时,数目最少.结论 采用DL重建算法可提高影像组学特征的稳定性,在不同剂量水平下均有一定优势.高等级的DL算法更利于组学特征提取,且对于平扫图像中软组织更为显著.
更多相关知识
- 浏览40
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
