换一批深度学习全模型迭代算法(AIIR)用于60 kVp CT泪道造影
Artificial intelligence iterative reconstruction(AIIR)for 60 kVp CT dacryocystography
摘要目的 观察深度学习全模型迭代算法(AIIR)用于60 kVp CT泪道造影(CT-DCG)的可行性.方法 前瞻性将80例泪道阻塞患者分为2组,分别以常规扫描条件(常规组,管电压120 kVp,n=40)及低剂量扫描条件(低剂量组,管电压60 kVp,n=40)行CT-DCG;采用混合迭代重建(HIR)获取2组HIR图像、以AIIR获取低剂量组AIIR图像.对比3种图像质量的主、客观评价结果,计算低剂量组较常规组辐射剂量减低率.结果 低剂量组AIIR图像整体图像质量、显示泪囊及骨性泪道及泪道阻塞诊断信心主观评分均高于该组HIR图像(校正P均＜0.05),而与常规组HIR图像差异均无统计学意义(校正P均＞0.05).低剂量组AIIR图像的鼻泪道对比度噪声比(CNR)高于该组及常规组HIR图像(校正P均＜0.05),其内视神经及眼球CNR均高于该组HIR(校正P均＜0.05)而与常规组HIR图像差异无统计学意义(校正P＞0.05).低剂量组有效剂量(ED)较常规组减少93.15％[(0.05±0)mSv vs.(0.73±0.06)mSv].结论 AIIR用于60 kVp CT-DCG可在保证图像质量满足诊断需求、维持对泪道阻塞诊断信心的前提下大幅降低ED.
更多相关知识
关键词
图像处理,计算机辅助深度学习体层摄影术,X线计算机泪道image processing,computer-assisteddeep learningtomography,X-ray computedlacrimal passage
栏目名称
DOI
10.13929/j.issn.1003-3289.2026.04.002
发布时间
2026-07-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2023YFC2414200）
- 浏览2
- 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
