探讨深度学习重建算法对CTPA图像质量的影响

目的：对比滤波反投影重建算法(FBP)及常规迭代重建算法(ASiR-V)，研究深度学习重建(DLIR)算法对肺动脉CT血管成像(CTPA)图像质量的影响。方法：在GE APEX CT上收集进行CTPA检查的患者30例，分别采用5种重建方式(FBP，常规临床参数的ASiR-V40%,DLIR-L/M/H)重建。分别测量肺动脉主干、左右肺动脉干、肺动脉主干层面椎旁肌肉的CT值、噪声(SD)，计算其信噪比(SNR)、对比度噪声比(CNR)，并进行客观评价。由2名高年资医师对所有图像进行评分。结果：5组图像在肺动脉主干、左、右肺动脉干的CT值差异均没有统计学意义(P>0.05)；但5组图像的SD、CNR、SNR值差异均有统计学意义(P<0.01)。DLIR的图像质量要显著优于ASiR-V，随着DLIR强度升高，SD值降低，SNR值升高。每名医师组内及2名医师组间的主观评分一致性均高，组内相关系数(ICC)值分别为0.838、0.879、0.843,5组图像主观评分差异均有统计学意义(P<0.01)。图像质量趋势为DLIR-H>DLIR-M>DLIR-L>AS...