换一批深度学习全模型迭代算法用于重建CT图像:体模实验
Artificial intelligence iterative reconstruction of CT images:Phantom experiment
摘要目的 利用体模评估深度学习全模型迭代算法(AIIR)用于重建CT图像的价值.方法 以模型迭代重建(MBIR)结合深度学习(DL)生成AIIR,对CCT MITA IQ体模、CT ACR 464体模、Catphan 700体模、光盘叠加体模及CT PBU-60全身体模进行CT扫描;分别采用滤波反投影法(FBP)、KARL 3D迭代重建等常规算法及AIIR重建CT图像,比较各种重建图像的噪声、X线剂量水平,以及低对比度分辨力、高对比度空间分辨力、锥束伪影及条形伪影等.结果 相比常规算法,利用AIIR重建CT图像可使噪声降低61.74％～99.76％、X线剂量降低60.00％～90.00％,同时将低密度分辨能力提升至1.99～4.86倍、高对比度空间分辨力提升至1.55～2.57倍,且能明显减轻锥束伪影及条形伪影.结论 AIIR用于重建CT图像较常规算法具有明显优势.
更多相关知识
关键词
体层摄影术,X线计算机图像处理,计算机辅助深度学习体模,显像术tomography,X-ray computedimage processing,computer-assisteddeep learningphantoms,imaging
分类号
R445.3（诊断学）
栏目名称
DOI
10.13929/j.issn.1003-3289.2025.04.011
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）
- 浏览17
- 被引2
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
