换一批深度学习重建算法在优化双髋低剂量CT图像质量中的应用
Research on the value of deep learning reconstruction algorithm in optimizing the image quality of low-dose CT of dual hip joints
摘要目的:探讨基于深度学习的图像重建算法AiCE在双髋关节低剂量CT检查中对图像质量的优化价值.方法:收集2023年10月—2024年6月行双髋关节CT检查的患者60例,常规剂量组(SDCT)和低剂量组(LDCT)各30例.记录两组辐射剂量,SDCT组采用常规自适应混合迭代重建(AIDR),LDCT组分别采用AIDR与深度学习重建(DLR),表示为SD-AIDR、LD-AIDR、LD-DLR.测量空气、股骨头处及臀大肌的CT值与标准差(SD),计算信噪比(SNR)和对比噪声比(CNR);比较3组图像的客观指标与主观评分.结果:LDCT组辐射剂量(0.49±0.085mSv)显著低于 SDCT组(1.60±0.253mSv)(P＜0.001);LD-DLR 组噪声水平低于 LD-AIDR 和 SD-AIDR 组(P＜0.001),SNR 高于 LD-AIDR 组(P＜0.001),与 SD-AIDR 组比较差异无统计学意义(P=0.459);LD-DLR 组 CNR及主观评分均优于LD-AIDR及SD-AIDR组(P＜0.001).结论:AiCE可实现双髋关节CT的超低剂量(0.49mSv)与高质量成像,具有临床应用价值.
更多相关知识
关键词
自适应混合迭代重建深度学习重建图像质量辐射剂量adaptive iterative dose reductiondeep learning reconstructionimage qualityradiation dose
栏目名称
DOI
10.3969/j.issn.1001-0025.2026.01.001
发布时间
2026-03-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
