首页 > 中国医学影像学杂志 > 基于深度学习图像重建算法重建腹部CT检查腰椎图像

基于深度学习图像重建算法重建腹部CT检查腰椎图像

Reconstruction of Lumbar Vertebrae Images from Abdominal CT Examinations Using Deep Learning Image Reconstruction Algorithms

二维码有效期 120s

摘要目的探讨基于深度学习图像重建(DLIR)算法重建腹部CT检查的腰椎图像,以降低腰椎CT检查辐射剂量及避免重复检查.资料与方法回顾性收集2024年3-5月于天津中医药大学第一附属医院同期行腹部CT检查及腰椎CT检查的32例患者,腹部CT检查(DLIR组)条件为管电压120 kVp,管电流200 mA,使用高强度DLIR重建腰椎;常规腰椎CT检查(腰椎组)条件为管电压120 kVp,管电流260 mA,使用60%权重自适应统计迭代重建(ASiR-V)进行重建.应用客观评价法,在第3腰椎椎弓根层面和第2/3腰椎间盘层面测量肌肉、脂肪、椎体松质骨、腰椎间盘、硬膜囊、椎弓根骨皮质CT值、噪声(SD值)、信噪比、对比噪声比(不包含脂肪组织).主观评价采用5分法,评价图像对比度、图像噪声、图像锐利度.结果腰椎组、DLIR组CT容积剂量指数分别为15.25 mGy、11.74 mGy.DLIR组和腰椎组各结构CT值差异无统计学意义(P>0.05).与腰椎组相比,DLIR组SD值显著降低,各测量组织分别降低 31.09%、35.66%、13.48%、27.82%、24.93%、15.09%,差异均有统计学意义(t=5.09～7.21,P<0.05);各测量组织信噪比分别提高36.40%、52.31%、16.56%、34.13%、38.39%、18.81%,对比噪声比分别提高51.70%、51.32%、36.24%、34.47%、53.56%,差异均有统计学意义(t=-9.58～-4.23,P<0.001).DLIR组图像对比度、图像噪声和细微结构空间分辨力评分显著优于腰椎组,差异有统计学意义[4.75(4.00,5.00)分比 4.45(4.00,5.00)分,4.39(4.00,5.00)分比4.06(4.00,4.00)分,4.27(4.00,5.00)分比4.00(4.00,4.00)分;Z=-3.80、-4.38、-3.55,P<0.001].结论应用高强度DLIR腹部检查的腰椎图像,可获得降低25%辐射剂量的高质量腰椎CT图像,实现腹部、腰椎一次检查.

作者韩玮辰 ^[1] 刘继华 ^[2] 王落桐 ^[3] 吕喆 ^[2] 谭军彦 ^[2] 万业达 ^[4] 学术成果认领

作者单位天津医科大学研究生院,天津 300070;天津中医药大学第一附属医院影像科,国家中医针灸临床研究中心,天津 300193 ^[1] 天津中医药大学第一附属医院影像科,国家中医针灸临床研究中心,天津 300193 ^[2] 通用电气医疗中国 CT 影像研究中心,北京 100176 ^[3] 天津市天津医院放射科,天津 300202 ^[4]

关键词腰椎腹部体层摄影术,X线计算机深度学习图像处理,计算机辅助辐射剂量 Lumbar vertebrae Abdomen Tomography,X-ray computed Deep learning Image processing,computer-assisted Radiation dosage

分类号 R445.3（诊断学）R681.5（骨科学《运动系疾病、矫形外科学》）TP181

栏目名称

影像技术学

DOI 10.3969/j.issn.1005-5185.2025.06.019

发布时间 2025-07-23（万方平台首次上网日期，不代表论文的发表时间）