换一批深度学习金属伪影校正算法(DeepMAC)用于股骨颈骨折金属内固定术后CT成像
Deep learning-based metal artifact correction algorithm(DeepMAC)for CT imaging after metal internal fixation of femoral neck fracture
摘要目的 观察基于深度学习金属伪影校正算法(DeepMAC)用于股骨颈骨折金属内固定术后CT成像的价值.方法 前瞻性纳入接受股骨颈骨折内固定术后CT复查的31例患者,分别采用3种算法对原始CT数据进行重建而得到3组图像,包括以混合迭代重建(HIR)获得的未校正组图像、以HIR联合传统金属伪影校正(MAC)算法获得的MAC组图像,以及HIR联合DeepMAC算法获得的DeepMAC组图像.采用5分法对图像总体金属伪影严重程度、显示内固定物邻近骨骼、诊断软组织病变及股骨头坏死进行主观评价,基于骨骼和肌肉CT值校正分数(CA)及伪影指数(AI)进行客观评价,之后进行组间比较.结果 DeepMAC组总体金属伪影严重程度评分、内固定物邻近骨骼显示评分、软组织病变及股骨头坏死诊断信心评分均高于其余2组(校正P均＜0.05),而骨骼和肌肉CA及肌肉AI均低于其余2组(校正P均＜0.05),而其骨骼AI低于未校正组(校正P＜0.05).结论 DeepMAC用于股骨颈骨折内固定术后CT成像抑制金属伪影能力更优、显示骨骼和软组织更好并能显著提升诊断信心.
更多相关知识
关键词
股骨颈骨折内固定器体层摄影术,X线计算机伪迹深度学习图像增强femoral neck fracturesinternal fixatorstomography,X-ray computedartifactsdeep learningimage enhancement
栏目名称
DOI
10.13929/j.issn.1003-3289.2026.04.016
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）
- 浏览1
- 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
