手机知网 App
24小时专家级知识服务
打 开
特种医学
基于深度学习的重建算法在CCTA高分辨率成像中的应用
目的探讨深度学习图像重建(Deep Learning Image Reconstruction,DLIR)对高分辨率CT血管成像图像质量和诊断准确性的影响。方法前瞻性纳入56例患者在GE Revolution CT以高分辨率模式进行冠状动脉CT血管成像(Coronary CT Angiography,CCTA),分别使用50%权重的自适应迭代重建技术(Adaptive Statistical Iterative Reconstruction,ASIR)-V和中级别(DLIR-M)、高级别(DLIR-H)重建原始数据(应用高清卷积核)。记录主动脉根部和主要冠状动脉近段的图像噪声,并计算信噪比(Signal to Noise Ratio,SNR)和对比噪声比(Contrast to Noise Ratio,CNR)以客观评价图像质量。在32例患者亚组中,比较ASIR-V 50%、DLIR-M和DLIR-H对冠状动脉狭窄的诊断准确率,并与有创冠状动脉造影进行比较。主观图像质量由两名有5年以上经验的影像诊断医师按5分制进行评级。结果与ASIR-V 50%相比,DLIR-H和DLIR-M的噪声分别降低了54.8%和59.9%(P值均<0.05);SNR和CNR显著增加,主观图像质量较ASIR-V 50%有显著改善(P值均<0.05)。DLIR-H和DLIR-M对冠状动脉狭窄的诊断准确性无显著影响。结论与ASIR-V相比,DLIR能提升高分辨率模式下CCTA图像的整体质量,并不影响对冠状动脉阻塞性心脏病的诊断准确性。
1 87
手机阅读本文
下载APP 手机查看本文
中国医疗设备
2021年10期
相似文献
图书推荐
相关工具书

搜 索