期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
肠系膜下动脉CTA应用深度学习重建算法降低辐射剂量的可行性研究 被引量:1
1
作者 张竞颐 刘义军 +5 位作者 王诗耕 童小雨 范勇 陈安良 胡梦婷 程启烨 《中国医学计算机成像杂志》 CSCD 北大核心 2024年第5期616-621,共6页
目的:探究不同等级的深度学习重建算法(DL)对低剂量肠系膜下动脉(IMA)CT血管成像(CTA)图像质量的影响,并获得IMACTA图像最佳DL等级。方法:前瞻性收集行IMACTA的患者60例,随机分为A组和B组。A组(n=30)管电压120kV,管电流为剂量调制等级3... 目的:探究不同等级的深度学习重建算法(DL)对低剂量肠系膜下动脉(IMA)CT血管成像(CTA)图像质量的影响,并获得IMACTA图像最佳DL等级。方法:前瞻性收集行IMACTA的患者60例,随机分为A组和B组。A组(n=30)管电压120kV,管电流为剂量调制等级3,重建Karl5图像;B组(n=30)管电压120kV,管电流为剂量调制等级2,重建DL(1~4)等级图像,记为B1~B4组,并记录2组的辐射剂量。在轴位图像上测量IMA主干、同层腹主动脉和竖脊肌的CT值和噪声(SD)值,计算各血管的信噪比(SNR)对比度噪声比(CNR)和质量因数(FOM)。重组容积再现(VR)和最大密度投影(MIP)图像,由2名诊断医师对二维和三维图像进行5分制评分。结果:B组有效辐射剂量(ED)与A组相比降低了42.08%(P<0.05)。随着DL等级的提高,B1~B4组SD值逐渐降低,SNR,CNR和FOM逐渐提高(P<0.05)。B3、B4组腹主动脉的SNR、CNR、FOM优于A组(P<0.05)。2名诊断医师对图像主观评分一致性良好(Kappa值0.795~0.891,P<0.05)。B2、B3组与A组主观评分差异均无统计学意义(均P>0.05)。结论:深度学习重建算法在保证IMACTA图像质量的前提下实现了降低辐射剂量的目的。在满足诊断需求的情况下,DL3为临床推荐的最优重建等级。 展开更多
关键词 辐射剂量 深度学习算法 肠系膜下动脉 图像质量
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部