深度学习重建算法对肺部CT定量分析及图像质量的影响.pdfVIP

放射学实践年月第卷第期,,,

４３４２０２３４３８４RadiolPracticeAr２０２３Vol３８No．４

p

胸部影像学

深度学习重建算法对肺部CT定量分析及图像质量的影响

,,,,

张卓璐陈菁刘卓陈雷洪楠

【】:()(),

摘要目的通过与滤波反投影算法和自适应统计迭代重建算法对比探讨深

FBPASIRＧV

().:

度学习图像重建算法对肺部定量分析及图像质量的影响方法回顾性搜集例肺部体

DLIRCT４６

,、(、)

检患者的CT平扫数据采用FBP不同混合权重BW＝５０％１００％ASIRＧV算法及不同级别深度学

(、、).

习迭代重建DLIRＧLDLIRＧMDLIRＧH算法进行图像重建测量并比较不同重建算法图像上各结构

,、、()、

及病灶的定量参数包括肺结节的平均CT值及实性和非实性部分的体积全肺容积肺气肿指数EI

、、、

右肺上叶尖段支气管的气道面积和平均直径气道壁的面积面积百分比和平均厚度气管分叉层面气

().

道内空气和降主动脉CT值及其标准差图像噪声由两位放射科医师从图像质量及噪声水平两方面

(:,:,:,:,:)

对不同重建算法图像采用分法分极差分差分满足诊断要求分好分极佳进行主

５１２３４５

.,

观评价并进行统计学分析测量数据符合正态分布的连续变量采用单因素方差分析不符合者采用非

,,,.

参数检验P＜０．０５时进一步组间两两比较采用Kaa检验比较两位医师主观评分的一致性结

pp

:,(

果与算法相比不同级别及和权重算法可显著降低图像噪声均

FBPDLIR５０％１００％ASIRＧVP＜

).与