换一批摘要目的 基于深度学习(DL)建立胸部低剂量CT(LDCT)图像降噪模型并观察其效果.方法 基于ResNet图像特征提取编码器、UNet网络图像生成解码器及VGG网络图像风格损失函数,利用AAPM数据训练集(18 351对2D图像)和AAPM数据验证集(128对2D图像)数据生成ChestDS降噪模型;于视觉评估测试集(来自单中心的100例LDCT图像)分析观察者间主观评分的一致性,比较利用模型降噪前、后主观评分,并根据峰值信噪比(PSNR)及结构相似性(SSIM)于AAPM数据测试集(211对2D图像)对降噪及显示解剖结构效果进行客观评价.结果 降噪前、后肺窗噪声评分组内相关系数(ICC)分别为0.88及0.96(P均＜0.05),纵隔窗噪声评分ICC分别为0.50及0.86(P均＜0.05);图像质量评分及关键解剖结构显示评分均显著提升(P均＜0.05).ChestDS模型在AAPM数据测试集的PSNR为49.05 dB、SSIM为0.99.结论 ChestDS模型用于LDCT图像可在通过降噪提高图像质量的同时降低辐射剂量.
更多相关知识
关键词
胸部体层摄影术,X线计算机辐射剂量图像处理,计算机辅助深度学习thoraxtomography,X-ray computedradiation dosageimage processing,computer-assisteddeep learning
栏目名称
DOI
10.13929/j.issn.1003-3289.2026.01.026
发布时间
2026-04-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
北京大学医学部教育教学研究课题项目（2024YB23）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
