深度学习图像重建算法改善动态负荷心肌CT灌注成像图像质量的研究

作     者：区楚岚 曹励琪 號梦雅 杨粤龙 杨峻青 刘畅 陈佳玉 曹希明 李新云 刘辉 Ou Chulan;Cao Liqi;Guo Mengya;Yang Yuelong;Yang Junqing;Liu Chang;Chen Jiayu;Cao Ximing;Li Xinyun;Liu Hui

作者机构：华南理工大学医学院广州510006 南方医科大学附属广东省人民医院(广东省医学科学院)放射科广州510080 CE医疗中国CT影像研究中心北京100176 南方医科大学附属广东省人民医院(广东省医学科学院)心内科广州510080 

基　　金：国家自然科学基金(82371903) 广东省基础与应用基础研究基金(2024A1515012087) 

出 版 物：《中华放射学杂志》 (Chinese Journal of Radiology)

年 卷 期：2025年第59卷第1期

页      码：27-35页

摘      要：目的探讨深度学习图像重建算法(DLIR)相较于自适应统计迭代重建算法(ASiR-V)在改善动态负荷心肌CT灌注成像(CTP)图像质量及提高心肌边缘清晰度方面的能力。方法收集2023年9月至2024年2月在广东省人民医院行动态负荷心肌CTP的30例患者。对所有入组患者的影像资料分别使用ASiR-V 50%、ASiR-V 80%和中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)算法进行图像重建。在左心室腔、室间隔及左心室侧壁选取感兴趣区测量其CT值和标准差(SD),计算信噪比(SNR)和对比噪声比(CNR)。使用Matlab获得4个左心室心肌边缘CT值变化的差值(d)和CT值变化的斜率(s)用于评估客观边缘清晰度。由2名影像医师对图像的噪声、自然外观及边缘清晰度进行主观评分。2名医师评分不一致时由第3名高年资医师评分决定。分别计算SD值较低、SNR及CNR较高的ASiR-V和DLIR图像的左心室心肌血流量(MBF)。符合正态分布时,两组间比较采用独立样本t检验,多组间比较采用随机区组设计的方差分析;不符合正态性分布时,使用Friedman检验,两两比较采用Bonferroni校正检验。结果4种图像在室间隔、左心室侧壁的SD、SNR及CNR的差异均有统计学意义(P均0.05)。结论DLIR-H重建的动态负荷心肌CTP图像的SD、SNR及CNR与ASiR-V 80%相当,且采用DLIR-H可提高左心室心肌的边缘清晰度,同时不影响MBF值计算。

主 题 词：体层摄影术,X线计算机 心肌灌注成像 深度学习重建 图像质量 边缘清晰度 

学科分类：1002[医学-临床医学类] 100201[100201] 10[医学] 

核心收录：

D　O　I：10.3760/cma.j.cn112149-20240412-00205

馆 藏 号：203156624...