深度学习迭代重建算法优化儿童头颅CT图像噪声和图像纹理的可行性.pdfVIP

中国医学影像学杂志2024年第32卷第2期影像技术学论著

深度学习迭代重建算法优化儿童头颅CT图像噪声和图像纹理的可行性

*

田宏伟，彭芸，刘道永，李昊岩，刘勇，洪天予，孙记航

首都医科大学附属北京儿童医院影像中心，北京100045；*通信作者孙记航jihangsuns@163.com

【摘要】目的评价深度学习迭代重建（DLIR）算法与常规自适应迭代重建（ASIR-V）算法对儿童头颅外伤CT图像噪声和图

像纹理的优化程度及图像显示效果的差异。资料与方法回顾性选取2020年12月7—11日首都医科大学附属北京儿童医院影

像中心80例儿童头颅CT，扫描方案为低辐射剂量轴扫，电压120kV，电流150~220mA。将得到的原始数据重建为5mm厚层

与0.625mm薄层的脑窗、骨窗图像，分别重建为50%ASIR-V、高权重DLIR图像（DL-H），共8组图像。应用4分制主观评

价脑沟脑室、脑灰白质与颅骨显示情况，并统计各组图像的病变数量；客观评价测量基底节层面的灰质和白质的CT值和噪声

值，并计算对比噪声比，同时在同层面测量模糊程度指数，比较两种图像重建方法的差异。结果相较于50%ASIR-V图像，

2种层厚的DL-H均可以提升脑沟脑室、脑实质显示能力（W=5.5~22.2，P均0.05），5mm的50%ASIR-V与0.625mm的

DL-H图像脑沟脑室、脑实质显示能力差异无统计学意义（W=0.9、2.0，P=0.32、0.05）。骨质显示能力方面，所有图像均可

以达到满分4.0分。5mm的50%ASIR-V与DL-H图像均可以在80例患者中发现共35处病变，包括出血病变12处，颅内积气1处，

骨折9处，头皮软组织肿胀13处。客观评分方面，DL-H图像噪声低于50%ASIR-V图像（t=21.4~35.7，P均0.05），0.625mm的DL-H

与5mm的50%ASIR-V图像噪声及对比噪声比差异无统计学意义（t=1.7~2.2，P均≥0.05）。模糊程度指数显示DL-H优于50%

ASIR-V图像（t=6.1、10.0，P均0.05），0.625mm的DL-H与5mm的50%ASIR-V模糊程度指数差异无统计学意义（t=2.6，P=0.28）。

结论DLIR可以降低图像噪声，改善图像纹理，整体提升儿童头颅外伤CT图像质量，0.625mm的DL-H图像质量接近5mm的

50%ASIR-V图像，可以达到诊断要求，使进一步降低儿童头颅外伤的辐射剂量成为可能。

【关键词】体层摄影术，X线计算机；头颅；儿童；低剂量；深度学习

【中图分类号】R816.1；R445.3【

DOI】10.3969/j.issn.1005-5185.2024.02.017

FeasibilityofDeepLearningAlgorithmtoOptimizetheNoiseandTextureofChildren′sHeadCT

TIANHongwei,PENGYun,LIUDaoyong,LIHaoyan,LIUYong,HONGTianyu,SUNJihang*

ImagingCenter,BeijingChildren′sHospital,CapitalMedicalUniversity,NationalCenterforChildren′sHealth,Beijing100045,

China;*AddressCorrespondenceto:SUNJihang;E-mail:jihangsuns@163.com

【Abstract】PurposeToevaluatetheimagequalityimprovementofdeeplearningiterativereconstruction(DLIR)