期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
深度学习全模型迭代算法重建先天性心脏病婴儿胸部低剂量CT图像
1
作者 孙明华 彭俪颖 +5 位作者 张飞飞 潘玉坤 李童 张继良 谢瑞刚 葛英辉 《中国医学影像技术》 北大核心 2025年第4期525-529,共5页
目的观察深度学习全模型迭代算法(AIIR)用于重建先天性心脏病婴儿胸部低剂量CT图像的价值。方法前瞻性纳入262例拟接受胸部CT检查的先天性心脏病婴儿,随机将其分为低剂量组(n=142)与常规剂量组(n=120)。对低剂量组以管电压80 kVp、管电... 目的观察深度学习全模型迭代算法(AIIR)用于重建先天性心脏病婴儿胸部低剂量CT图像的价值。方法前瞻性纳入262例拟接受胸部CT检查的先天性心脏病婴儿,随机将其分为低剂量组(n=142)与常规剂量组(n=120)。对低剂量组以管电压80 kVp、管电流10 mAs行胸部CT扫描,分别采用混合迭代重建(HIR,A组)和AIIR(B组)重建图像;对常规剂量组以管电压80 kVp、管电流100 mAs行胸部CT扫描,以HIR重建图像(C组)。比较3组图像主、客观评价结果,分析AIIR的价值。结果3组图像质量及显示结构清晰度差异均有统计学意义(P均<0.001)。除显示叶间裂清晰度外,B、C组图像主观评分差异均无统计学意义(校正P均>0.05),而A组图像主观评分均低于B、C组(校正P均<0.05)。3组肺实质噪声(SD)、信噪比(SNR)及对比度噪声比(CNR)差异均有统计学意义(P均<0.001),且两两比较差异均有统计学意义(校正P均<0.05)。低剂量组与常规剂量组有效剂量分别为0.09(0.08,0.10)及0.85(0.75,1.03)mSv,前者低于后者(Z=-13.942,P<0.001)。结论利用AIIR可使先天性心脏病婴儿胸部低剂量CT图像质量与常规剂量扫描相当。 展开更多
关键词 婴儿 心脏病 低剂量 体层摄影术 X线计算机 人工智能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部