|
|||||
|
|
| 深度学习重建算法在低管电压冠状动脉CT血管成像中的应用 | |
| 作者姓名： | 范婧 杨文洁 王梦真 陆伟 石骁萌 朱宏 |
| 作者单位： | 1. 上海交通大学医学院附属瑞金医院放射科;2. GE(中国)CT影像研究中心 |
| 摘 要： | 目的：比较深度学习重建算法(deep learning-based image reconstruction,DLIR)、自适应统计迭代重建算法(adaptive statistical iterative reconstruction-veo,ASiR-V)和滤波反投影重建算法(filtered back-projection,FBP)对低管电压冠状动脉CT血管成像(coronary computed tomographic angiography,CCTA)图像质量的优化效果。方法：前瞻性纳入100例行CCTA扫描的患者，根据其身体质量指数(body mass index,BMI)，选择使用70 kVp(50例，BMI≤26 kg/m2)或80 kVp(50例，BMI>26 kg/m2)管电压扫描，每例患者的图像分别用FBP(A组)、ASiR-V 50%(B组)、中级DLIR(DLIR-Medium,DLIR-M,C组)和高级DLIR(DLIR-High,DLIR-H,D组)进行重建，比较4组重建算法图像的CT值、噪声、信噪比(si... |
| 关 键 词： | 冠状动脉CT血管成像 深度学习 迭代重建 辐射剂量 图像质量 |