换一批深度学习全模型迭代算法联合60kVp扫描用于头颈部CT血管成像
Artificial intelligence iterative reconstruction combined with 60kVp scanning for craniocervical CT angiography
摘要目的 观察深度学习全模型迭代算法(AIIR)联合60 kVp扫描用于头颈部CT血管成像(CTA)的价值.方法 前瞻性纳入86例疑诊头颈部血管疾病患者,随机对其中43例行常规剂量(120 kVp)、对其余43例行低剂量扫描(60 kVp),记录对比剂用量及辐射剂量.对常规剂量扫描原始图像进行混合迭代重建(HIR)得到A组图像,对低剂量扫描原始图像分别以HIR和AIIR得到B1组、B2组图像.比较3组图像总体质量,显示目标大、小血管及诊断信心的主观评分,以及其目标大血管噪声值(SD)、信噪比(SNR)及对比度噪声比(CNR).结果 相比常规剂量扫描,低剂量扫描对比剂用量及有效剂量(ED)分别降低36.52％ 及77.56％ .B2组与A组图像质量各项主观评分结果差异均无统计学意义(校正P均＞0.05)且均高于B1组(校正P均＜0.05);除主动脉弓外,B2组中其余各目标大血管SD均低于A组(校正P均＜0.05).B2组各目标大血管SNR及CNR均高于A组及B1组(校正P均＜0.05),而各大血管SD均低于B1组(校正P均＜0.05).结论 AIIR联合60 kVp扫描用于头颈CTA可在保证图像质量满足诊断需求的同时降低对比剂用量及辐射剂量.
更多相关知识
关键词
图像处理,计算机辅助深度学习CT血管成像辐射剂量image processing,computer-assisteddeep learningcomputed tomography angiographyradiation dosage
栏目名称
DOI
10.13929/j.issn.1003-3289.2025.04.003
发布时间
2025-06-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82271993）
- 浏览19
- 被引2
- 下载15
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
