换一批基于深度学习的能谱单能量成像在头颅CTA中的应用:体模研究
Deep Learning-based Spectral Monoenergetic Imaging in Cerebral CT Angiography:A Phantom Study
摘要目的:探讨基于深度学习重建的能谱单能量成像联合不同辐射剂量条件对头颅CT血管成像(CTA)图像质量的改善效果,并确定最佳keV水平.方法:对内置模拟脑血管的头颅仿真体模(GPH-3)进行80 kV、135 kV瞬时切换能谱扫描,根据管电流分为常规剂量组(450mA)和低剂量组(250mA).两组数据均重建35、45、55、65及75 keV单能量图像,分别测量颈内动脉、大脑前动脉、大脑中动脉、大脑前动脉分支、大脑中动脉分支的CT值以及背景噪声,并计算信噪比(SNR)和对比度噪声比(CNR),以客观评价图像质量.采用单因素方差分析(ANOVA)比较两组间不同keV图像间的客观图像质量差异.结果:各keV图像在所有客观指标的差异具有统计学意义(均P＜0.05).两组中35 keV图像的血管CT值均为最高,且随着keV升高而均显著降低(均P＜0.05).75 keV图像的背景噪声在各keV中最低,且随着keV降低而均显著升高(均P＜0.05).两组数据集的SNR和CNR均呈先升高后下降的趋势.两组中65 keV图像的SNR和CNR均优于其他keV(均P＜0.05),其中CNR相较于35 keV图像提升了一倍以上.结论:采用不同管电流进行头颅CTA瞬切能谱扫描,并结合深度学习能谱重建得到的65 keV单能量图像,可在常规与低剂量条件下显著提升图像质量,在有效提高血管对比度的同时抑制噪声,具有较高的临床应用价值.
更多相关知识
关键词
深度学习能谱成像低剂量最佳单能量图像计算机体层成像Deep learningSpectral imagingLow-doseOptimal monoenergetic imagesComputed tomography
分类号
R816.1（放射医学）
栏目名称
DOI
10.3969/j.issn.1006-5741.2026.02.025
发布时间
2026-05-14（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
