高强度深度学习重建算法对双低剂量头颈部CTA图像质量的影响 |
| |
引用本文: | 樊敏,袁元,程巍,李真林,廖凯,.高强度深度学习重建算法对双低剂量头颈部CTA图像质量的影响[J].四川医学,2023,44(6):634-639. |
| |
作者姓名: | 樊敏 袁元 程巍 李真林 廖凯 |
| |
作者单位: | 四川大学华西医院放射科 |
| |
摘 要: | 目的 探讨高强度深度学习重建(DLIR-H)算法较自适应迭代重建(ASIR-V)算法在改善双低剂量头颈部CTA图像质量的效果。方法 前瞻性选取行头颈部CTA检查的70例患者,随机分为双低剂量A组及常规剂量B组,每组35例。A组采用80 kVp,对比剂45 ml,使用DLIR-H算法重建;B组采用100 kVp,对比剂60 ml,使用60%自适应迭代重建(ASIR-V)算法重建。比较两组图像的CT值、图像噪声、信噪比(SNR)、对比噪声比(CNR)、图像质量主观评分及辐射剂量。结果 A组主动脉弓处、颈内动脉起始处及大脑中动脉起始处的CT值、SNR及CNR均大于B组(P<0.05),图像噪声均小于B组(P<0.05),A组图像质量主观评分高于B组(P<0.05),A组有效辐射剂量显著降低(P<0.05),差异均有统计学意义。A组的对比剂用量显著低于B组。结论 与常规剂量结合60%ASIR-V算法相比,双低剂量结合DLIR-H算法能进一步提高头颈部CTA的图像质量,提高头颈部CTA检查的安全性。
|
关 键 词: | 体层技术 X线计算机 头颈CTA 深度学习 |
|
| 点击此处可从《四川医学》浏览原始摘要信息 |
| 点击此处可从《四川医学》下载免费的PDF全文 |
|