深度学习图像重建联合去金属伪影算法在颌面部CT图像的应用

Application of deep learning image reconstruction combined with metal artifact reduction algorithm in maxillofacial CT images

二维码有效期 120s

摘要目的探讨深度学习图像重建(DLIR)联合Smart去金属伪影(Smart MAR)算法在颌面部CT图像的应用价值.方法纳入行颌面部增强CT检查且颌面部病变受口腔金属植入物干扰的患者34例.采用静脉期分别重建4组图像:50％自适应统计迭代重建(ASIR-V)(IR 组)、50％ASIR-V 联合 Smart MAR(IR+S 组)、中档 DLIR 联合 Smart MAR(D-M+S 组)及高档 DLIR 联合Smart MAR(D-H+S组).通过测量颌面部病变及头长肌CT值的标准差(SD)计算伪影指数(AI);对各组图像整体图像质量、病灶显著性和诊断信心进行主观评分.比较不同重建算法对图像质量的影响.结果 IR组的AI值较IR+S组升高(P＜0.05),而2组的噪声差异无统计学意义(P＞0.05).D-M+S组及D-H+S组AI值及噪声较IR+S组均降低(P＜0.05),AI值分别下降13.70％、19.06％,噪声分别下降16.37％、30.78％.IR+S组在整体图像质量、病灶显著性和诊断信心方面主观评分均低于D-M+S组及D-H+S组,高于IR组(P＜0.05).6例患者(17.64％)仅在加入Smart MAR算法组中检测到病变.然而,9例患者(26.47％)在Smart MAR算法组中舌部出现新的伪影.结论 DLIR联合Smart MAR可显著改善口腔金属植入物患者颌面部CT的图像质量、提高颌面部病变的显著性和诊断信心.Smart MAR算法可能产生新的伪影,需与无Smart MAR算法的图像一起分析.