基于深度学习的像素闪烁算法对高体质量指数患者低剂量
腹部CT平扫图像质量的影响
赵 莹1，刘爱连1*，刘静红1，刘义军1，武敬君1，方 鑫1，潘聚东2 【摘 要】[摘 要] 目的 探讨基于深度学习的像素闪烁(PS)算法对体质量指数(BMI)≥25 kg/m2患者低剂量腹部CT平扫图像质量的影响。方法 选取59例接受腹部CT检查、BMI≥25 kg/m2的患者，根据管电压分为A组(100 kVp，n=30)和B组(120 kVp，n=29)。根据不同重建算法和处理方式，将A组分为A1亚组(FBP)、A2亚组(FBP+PS)、A3亚组(50%ASiR-V)和A4亚组(50%ASiR-V+PS)；将B组分为B1亚组(FBP)和B2亚组(50%ASiR-V)。测量2组肝右叶、右侧竖脊肌CT值及SD值，计算肝脏SNR、CNR及容积CT剂量指数(CTDIvol)，评价2名观察者间所测数值的一致性。结果 2名观察者所测数据的一致性良好(ICC值均>0.80)。A组各亚组间肝脏及竖脊肌CT值差异无统计学意义(P>0.05)；肝脏及竖脊肌SD值、肝脏SNR值差异有统计学意义(P均
<0.001)
；
两
两
比
较
SDA4 ， SNRA4>SNRA2>SNRA3>SNRA1；A1与A3亚组间CNR值差异无统计学意义(P=0.078)，其余亚组间两两比较CNRA4>CNRA2>CNRA3或CNRA1(P均<0.001)。A2亚组肝脏SD值较B1亚组、A4亚组较B2亚组明显降低，SNR及CNR值明显增高(P均<0.001)。A组CTDIvol明显低于B组(P均<0.001)。结论 采用基于深度学习的PS算法可改善高BMI患者低剂量腹部CT平扫图像质量。 【期刊名称】中国医学影像技术 【年(卷),期】2018(034)003
基于深度学习的像素闪烁算法对高体质量指数患者低剂量腹部CT平扫
