首页 > 中国医学影像技术 > 基于深度学习的像素闪烁算法对高体质量指数患者低剂量腹部CT平扫图像质量的影响

基于深度学习的像素闪烁算法对高体质量指数患者低剂量腹部CT平扫图像质量的影响

Impact of pixel shine algorithm based on deep machine learning on image quality of abdominal low-dose plain CT scanning in patients with high body mass index

二维码有效期 120s

摘要目的探讨基于深度学习的像素闪烁(PS)算法对体质量指数(BMI)≥25 kg/m2患者低剂量腹部CT平扫图像质量的影响.方法选取59例接受腹部CT检查、BMI≥25 kg/m2的患者,根据管电压分为A组(100 kVp,n=30)和B组(120 kVp,n=29).根据不同重建算法和处理方式,将A组分为A1亚组(FBP)、A2亚组(FBP+ PS)、A3亚组(50％ASiR-V)和A4亚组(50％ASiR-V+PS);将B组分为B1亚组(FBP)和B2亚组(50％ ASiR-V).测量2组肝右叶、右侧竖脊肌CT值及SD值,计算肝脏SNR、CNR及容积CT剂量指数(CTDIvol),评价2名观察者间所测数值的一致性.结果 2名观察者所测数据的一致性良好(ICC值均＞0.80).A组各亚组间肝脏及竖脊肌CT值差异无统计学意义(P＞0.05);肝脏及竖脊肌SD值、肝脏SNR值差异有统计学意义(P均＜0.001);两两比较SDA4＜SDA2＜SDA3＜SDA1,SNRA4＞SNRA2＞SNRA3＞SNRA1;A1与A3亚组间CNR值差异无统计学意义(P=0.078),其余亚组间两两比较CNRA4＞CNRA2＞CNRA3或CNRA1(P均＜0.001).A2亚组肝脏SD值较B1亚组、A4亚组较B2亚组明显降低,SNR及CNR值明显增高(P均＜0.001).A组CTDIvol明显低于B组(P均＜0.001).结论采用基于深度学习的PS算法可改善高BMI患者低剂量腹部CT平扫图像质量.