换一批深度学习重建算法在头颈部CTA成像中的应用价值
The Application Value of Deep Learning Image Reconstruction Algorithm in Head and Neck CT Angiography
摘要目的:探讨深度学习重建算法(DLIR)对头颈部CTA图像质量的影响.方法:回顾性收集50例头颈部CTA图像,分别进行DLIR-H、DLIR-M、DLIR-L和ASiR-V50％重建.测量并计算四组图像血管的背景噪声(SD)、血管锐利度(ERS)以及各重要层面血管的信噪比(SNR)和对比噪声比(CNR),并对四组图像进行主观质量评分.结果:随着DLIR强度增加,血管SD值显著降低(P＜0.05),四组图像的ERS无统计学差异(P＞0.05).除大脑中动脉M1段外,其他血管SNR均有统计学差异(P＜0.05),表现为DLIR-H最高,DLIR-M次之.所有血管CNR均有统计学差异(P＜0.05),由高到低依次为DLIR-H,DLIR-M,DLIR-L和ASiR-V50％.四组图像主观质量评分无统计学差异(P＞0.05).结论:与ASIR-V50％相比,DLIR-H可以显著提高头颈部CTA图像质量,为优化头颈部CTA扫描方案创造条件.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1006-7035.2024.06.052
发布时间
2024-09-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
基于多模态磁共振探究在颈动脉易损斑块作用机理并利用神经网络构建相关风险模型(省级),13762022KY1376（PTPN6;13762022KY1376）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
