深度学习图像重建算法在胸腹主动脉CTA图像质量中的临床应用研究

目的 与常规重建算法对比,探讨深度学习图像重建(DLIR)算法在提高胸腹主动脉CTA图像质量中的临床应用价值.方法 回顾性纳入52例疑诊胸腹主动脉疾病的患者,重建出滤波反投影重建(FBP),自适应统计迭代重建(ASIR-V50％、ASIR-V80％),深度学习低(DLIR-L)、中(DLIR-M)、高(DLIR-H),共 6 种 0.625 mm 的薄层CT图像.通过对比图像CT值、噪声值、信噪比(SNR)、对比度噪声比(CNR)进行不同图像重建算法间的客观评价.并由两位放射诊断科具有5年、11年工作经验的影像医师采用双盲法对图像质量进行主观评价(Liker5分制).结果 六组重建所得图像的信噪比、对比噪声比从高到低依次是:DLIR-H、DLIR-M、ASIR-V80％、DLIR-L、ASIR-V50％、FBP,差异具有统计学意义(P＜0.05),重建图像主观评分差异有统计学意义(P＜0.05),经DLIR-H处理后的图像噪声最低、整体图像质量最佳.结论 与传统的FBP、ASIR-V重建算法相比,基于深度学习图像重建算法DLIR能显著降低噪声,提高胸腹主动脉CTA图像质量,在临床应用方面,新的DLIR算法具有很大的应用潜力.