基于深度学习迭代重建算法的肺结节评估效果分析

Performance analysis of deep learning-based iterative reconstruction algorithms in the evaluation of lung nodules

二维码有效期 120s

摘要目的以联影uCT968 螺旋CT为例,分别利用深度学习迭代重建算法(artificial intelligence iterative recon-struction,AIIR)和滤波反投影重建算法(filtered back projection,FBP)重建图像,并应用肺结节评估软件分析AIIR对肺结节评估性能的影响.方法选取山东第一医科大学附属省立医院进行胸部平扫检查的有肺磨玻璃结节患者 67 例,分析患者的首次CT图像,所有病例的原始图像均采用观察组AIIR算法和对照组FBP算法进行图像重建,对两种重建图像分别使用人工智能肺结节评估软件进行评估,比较两者的结节评估结果、信噪比(signal to noise ratio,SNR)和对比度噪声比(contrast noise ratio,CNR)并统计有效辐射剂量,评估图像质量对智能分析算法准确性的影响.结果对其中 56 例体积小于 150 mm3 的磨玻璃结节分析结果显示:AIIR算法对磨玻璃结节的识别率优于FBP算法,差异有统计学意义(P<0.05);使用AIIR算法图像的SNR和CNR均优于FBP算法,差异有统计学意义(P<0.05).结论临床应用中,选用AIIR算法有利于提高肺部磨玻璃结节的识别率.另外,AIIR算法的低剂量扫描可以降低医源性辐射剂量,进一步保障患者的健康安全,值得推广使用.