深度学习重建算法联合“双低”技术在肺动脉CT血管造影中的可行性研究

目的 探讨深度学习图像重建(DLIR)算法联合低管电压、低对比剂剂量(双低)在肺动脉CT血管造影中的可行性。方法 60例临床拟诊为肺动脉栓塞(PE)的患者随机分成两组，每组30例，行CT肺动脉血管造影(CTPA)检查。常规组为A组，扫描管电压为100 kVp,对比剂用量为45 ml,采用ASIR-V50%重建；双低组扫描管电压为70 kVp,对比剂用量为35 ml,采用不同水平的DLIR重建，包括B组(DLIR-L)、C组(DLIR-M)、D组(DLIR-H)。比较双低组和常规组辐射剂量及图像质量。结果 双低组和常规组的有效辐射剂量(ED)分别为(2.05±0.76)mSv、(2.56±0.68)mSv,差异有统计学意义(P<0.05)。双低组(B、C、D组)肺动脉主干、右肺上叶主干、右肺中叶内侧段、右肺下叶内侧基底段肺动脉CT值及右肺中叶内侧段、右肺下叶内侧基底段肺动脉和肺静脉CT值差值较常规组(A组)明显升高，差异有统计学意义(P<0.05)。双低组(B、C、D组)噪声较常规组(A组)降低，C组、D组较常规组(A组)差异有统计学意义(P<0.05),双低组内随着D...