基于模型迭代重建算法评估其对肺气肿区域的定量分析能力

摘要

背景:随着设备的改进和算法的优化,最新一代搭配肺部参数设置的模型迭代重建算法可以提供针对肺部组织的更高分辨率图像。目的:采用基于模型的迭代重建算法重建超低剂量CT的图像,并通过与标准剂量CT的图像进行对比,评估其对肺气肿区域的定量分析能力。方法:回顾性地分析了45例接受肺部超低剂量CT和标准剂量CT(6.66±2.69)mSv扫描的患者。采用平滑滤波设置和锐化滤波设置的滤过反投影算法以及具有常规参数设置和肺参数设置的模型迭代重建算法重建CT图像,并且记录患者2次CT扫描的辐射剂量。以肺体积的百分比来评估患者的肺气肿程度,通过组内相关系数和Bland-Altman分析评估超低剂量CT和标准剂量CT之间的相关性。结果与结论:①超低剂量CT扫描的辐射剂量为(0.18±0.02)mSv,显著低于标准剂量CT。以平滑滤波设置的滤过反投影法算法重建的标准剂量CT图像作为参考标准,发现MBIR-Lung算法重建的超低剂量CT的相关性最好(组内相关系数=0.97,偏倚=-0.31%);②以锐化滤波设置的滤过反投影法算法重建的标准剂量CT作为参考标准,发现MBIR-Stnd算法重建的超低剂量CT的相关性较好(组内相关系数=0.82,偏差=-2.10%);③结果说明,基于模型的迭代重建算法能够显著提高超低剂量CT和标准剂量CT之间针对肺气肿量化分析的一致性。