深度学习重建算法在低剂量冠状动脉CT血管成像中的图像质量与辐射剂量优化:一项前瞻性随机对照研究
Optimization of image quality and radiation dose of low dose coronary CTA by using deep learning reconstruction algorithms:a prospective RCT
摘要目的:比较低管电流结合深度学习重建(DLIR)算法与低管电流结合混合迭代重建(HIR)算法和常规扫描方案结合HIR算法所获得的冠状动脉CT血管成像(CCTA)的图像,评估DLIR算法在CCTA中的临床应用价值.方法:前瞻性纳入2023年8月至2024年5月重庆医科大学附属永川医院收治的100例拟行回顾性门控CCTA检查的患者,采用随机数表法将其分为常规剂量组(50例)和低剂量组(50例).常规剂量组采用160 mAs扫描,并以迭代重建算法进行图像重建.低剂量组采用60 mAs扫描,将该组患者的扫描数据分别采用两种不同的算法进行重建,又分为A组和B组,A组采用Karl 3D、B组使采用DLIR算法.比较常规剂量组、A组和B组3组的辐射剂量、主观图像质量评价、客观图像质量测量值图像噪声(SD)、信噪比(SNR)、对比噪声比(CNR).结果:低剂量组(A和B组)有效辐射剂量(4.29±0.90)mSv显著低于常规组(9.38±1.90)mSv(t=17.10,P<0.05);B组与常规剂量组图像质量主观评价比较差异无统计学意义(P>0.05),常规剂量组和B组的图像质量均优于A组,差异有统计学意义(x2=39.71、46.22,P<0.05);B组的背景噪声(12.37±2.54)HU显著低于常规剂量组(23.98±4.93)HU和低剂量A组(28.70±5.41)HU,差异有统计学意义(t=14.80、-19.32,P<0.05);常规剂量组、A组和B组的主动脉根部和冠状动脉各节段内CT值比较差异均无统计学意义(P>0.05);常规剂量组、A组和B组噪声比较差异有统计学意义(F=176.39,P<0.05),冠状动脉各节段[右冠状动脉(RCA);左前降支(LAD);左旋支(LCX)]SNR和CNR比较差异均具有统计学意义(F=132.79、129.36、133.37和161.23、170.68、169.64,P<0.05).结论:低管电流结合DLIR算法应用于回顾性门控CCTA中,可以显著降低辐射剂量,并进一步提高图像质量.
更多相关知识
- 浏览6
- 被引0
- 下载7

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



