摘要目的:比较不同重建算法对宝石能谱成像(GSI)参数的影响,探讨深度学习图像重建(DLIR)在GSI碘基物质浓度(IC)和有效原子序数(Zeff)定量应用中的可行性和价值.方法:使用GSI模式扫描静止状态容纳9支试管的QSP体模,目标试管为1支纯水和5支碘溶液(碘浓度3.75、7.5、15 mg/mL各1支,30 mg/mL碘溶液2支).原始扫描数据分别使用标准算法0～100%基于多模型的迭代重建算法(ASIR-V)(间隔10%)和低、中、高权重3种深度学习图像重建(DLIR-L、DLIR-M和DLIR-H)层厚0.625 mm的IC和Zeff图像,并进行对比分析.选取9个固定层面在试管中心放置ROI,测量并比较不同重建算法图像的IC、Zeff均数及其标准差(SD).比较位于体模中心位置和边缘的2支碘浓度为30 mg/mL试管不同算法条件下的IC及Zeff.结果:不同算法纯水及各溶液中IC均能较准确测量碘含量,且差异均无统计学意义(均P>0.05).IC的SD方面,在纯水及不同浓度碘溶液中,DLIR-L和ASIR-V 40%～70%重建差异均无统计学意义(均P>0.05),DLIR-M和ASIR-V 70%～100%重建差异均无统计学意义(均P>0.05);余两两比较,差异均有统计学意义(均P<0.05).30 mg/mL碘溶液在体模中心位置IC略低于边缘位置,减小约0.63%.不同重建算法的Zeff均数差异均无统计学意义(均P>0.05).纯水和3.75 mg/mL碘溶液Zeff的SD方面,DLIR-L和ASIR-V 40%～70%重建差异均无统计学意义(均P>0.05);DLIR-M和ASIR-V 50%～90%、DLIR-L、DLIR-H重建差异均无统计学意义(均P>0.05);余各算法重建Zeff图上两两比较,差异均有统计学意义(均P<0.05).7.5、15、30 mg/mL碘溶液Zeff的SD方面,各种重建算法差异均无统计学意义(均P>0.05).30 mg/mL碘溶液在体模中心位置的Zeff 略低于边缘位置,减小约0.13%.结论:相较于ASIR-V,DLIR重建算法不改变IC和Zeff,但可在一定程度上减少噪声,其中DLIR-H噪声最低;扫描范围内ROI的位置改变对ASIR-V、DLIR重建IC和Zeff影响甚微.