探讨深度学习重建算法联合低剂量对比剂在腹部增强CT扫描中应用的可行性研究.pdfVIP

《现代仪器与医疗》2025年第31卷第2期61

·临床研究·

探讨深度学习重建算法联合低剂量对比剂在腹部增强CT扫描中

应用的可行性研究

12*

刘硕史灵雪

（1.河北省雄安宣武医院放射科，雄安新区070001；2.吉林省人民医院放射线科，长春130021）

【摘要】目的探究深度学习重建（DeepLearningImageReconstruction，DLIR）算法联合低剂量造影剂在腹部增强

CT应用可行性。方法收集因病情需要行上腹部CT增强扫描检查的128例患者随机分成两组，每组64例，行能谱CT

腹部增强检查，扫描参数一致。常规剂量组扫描采用1.5ml/kg比剂用量，多模型自适应统计迭代重建（AdaptiveStatistical

IterativeReconstruction，ASIR）算法进行重建，ASIR迭代率选取60%。低剂量组扫描采用1.0ml/kg对比剂用量，并用不同水

平DLIR算法进行重建分组，包括A组中强度深度学习图像重建（DeepLearningImageReconstruction-Medium，DLIR-M）、

B组高强度深度学习重建（DeepLearningImageReconstruction-Medium，DLIR-H）。对比分析不同重建算法图像间的各项

客观评价指标［噪声、对比度（ContrasttoNoiseRatio，CNR）、信噪比(SignaltoNoiseRatio，SNR)］和主观评价指标（噪声、整

体图像质量）。结果客观评价，常规剂量组、低剂量A组、低剂量B组图像的噪声逐渐减低，各组两两比较差异均具有

P

统计学意义（0.05）。常规剂量组、低剂量A组、低剂量B组图像的SNR肝脏、SNR胰腺、CNR肝脏、CNR胰腺逐渐升高，

其中常规剂量组与低剂量A组间差异无统计学意义，其余各组间的差异具有统计学意义。主观评价上，常规剂量组、低

剂量A组、低剂量B组的主观噪声和总体图像质量评分大多数情况下都超过4分，均能满足临床诊疗的需求。主观噪声

P

评分逐渐升高，各组两两比较差异均具有统计学意义（0.05）。主观图像质量评分方面，低剂量B组评分高于低剂量A

P

组、常规剂量组，差异具有统计学意义（0.05）。结论采用DLIR算法联合低剂量造影剂获得的影像图像质量要优于

ASIR算法结合常规剂量造影剂，并能够满足日常诊断的需求，同时还能将所需造影剂量减少三分之一左右。

【关键词】低对比剂用量；自适应统计迭代重建算法；深度学习重建算法；对比度；信噪比1

【中图分类号】TH77;R816.92【文献标识码】A【DOI】10.11876/mimt202502013

ToinvestigatethefeasibilityofDLIRalgorithmcombinedwithlow-dosecontrastagentin

abdominalenhancedCTscan

12*

Li