基于深度学习的重建算法对腹部胰腺和门静脉CT图像质量的改善价值

摘要

目的探讨深度学习重建算法(DLIR)相对于滤波反投影算法(FBP)和多模型迭代重建算法(ASIR-V)对腹部胰腺和门静脉CT图像质量的改善价值。方法选取行常规腹部CT增强检查的患者36例,所得图像分别采用DLIR-L、DLIR-M、DLIR-H、FBP及30%ASIR-V、70%ASIR-V算法重建图像,所得6种重建图像由2位放射科医师采用双盲法对图像噪声、对比度及细微结构进行主观评价。通过分别测量不同重建算法图像的CT值、SD值、SNR和CNR,并进行组间比较,来观察不同重建算法对图像质量的影响。结果6组图像的SNR、CNR差异均有统计学意义(P<0.05),其中DLIR-H图像的SNR和CNR最高。主观评分之间差异均有统计学意义(P<0.05),两位医师的主观评分一致性良好,Kappa≥0.70,其中DLIR-M的主观评分最高。结论与FBP和ASIR-V重建算法比较,DLIR能够有效降低图像噪声、提高图像质量,因此DLIR算法可用于提升腹部胰腺和门静脉CT图像质量,有较好的临床应用前景。