新一代深度学习图像重建算法在腹部低剂量CT中的应用研究
R445; 目的 探讨深度学习图像重建算法(DLIR)在腹部低剂量CT中提高图像质量和降低伪影方面的价值.方法 前瞻性连续纳入 2019 年 10 月-2020 年 6 月进行 CT 尿路造影的患者 26 例,男 14 例,女 12 例,平均年龄(60.35±10.89)岁.所有患者均行常规剂量平扫、门静脉期增强(噪声指数 10;体积CT剂量指数:9.61 mGy)和低剂量排泄期扫描(噪声指数 23;体积 CT 剂量指数:2.95 mGy).排泄期图像采用 ASiR-V 50％、低强度 DLIR(DLIR-L)、中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)共 4 种方式重建,...
Saved in:
| Published in | 西安交通大学学报（医学版） Vol. 44; no. 3; pp. 466 - 472 |
|---|---|
| Main Authors | , , , , , , , |
| Format | Journal Article |
| Language | Chinese |
| Published |
西安交通大学第一附属医院医学影像科,陕西西安 710061%西安交通大学第一附属医院临床研究中心,陕西西安 710061
01.05.2023
|
| Subjects | |
| Online Access | Get full text |
| ISSN | 1671-8259 |
| DOI | 10.7652/jdyxb202303021 |
Cover
| Abstract | R445; 目的 探讨深度学习图像重建算法(DLIR)在腹部低剂量CT中提高图像质量和降低伪影方面的价值.方法 前瞻性连续纳入 2019 年 10 月-2020 年 6 月进行 CT 尿路造影的患者 26 例,男 14 例,女 12 例,平均年龄(60.35±10.89)岁.所有患者均行常规剂量平扫、门静脉期增强(噪声指数 10;体积CT剂量指数:9.61 mGy)和低剂量排泄期扫描(噪声指数 23;体积 CT 剂量指数:2.95 mGy).排泄期图像采用 ASiR-V 50％、低强度 DLIR(DLIR-L)、中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)共 4 种方式重建,采用重复测量的单因素方差分析和Kruskal-Wallis H 检验分别比较 4 组图像的客观评价[偏度、噪声、信噪比(SNR)及对比噪声比(CNR)]及主观评价内容(图像质量、噪声、伪影),并采用Bonferroni检验进行事后两两比较.结果 无论是客观评价还是主观评价方面,DLIR 图像的 SNR、CNR、整体图像质量评分及噪声均相似或优于 ASiR-V 50％,且 SNR、CNR 和图像质量评分随 DLIR 权重增加而增加,噪声随着DLIR权重增加而降低.4 组图像在失真伪影(P=0.776)和对比剂硬化伪影(P=0.881)主观评分中差异不具有统计学意义.结论 与 ASiR-V 50％算法相比,DLIR 特别是 DLIR-M和 DLIR-H,可显著提高腹部低剂量CT的图像质量,但在降低对比剂硬化伪影方面应用有限. |
|---|---|
| AbstractList | R445; 目的 探讨深度学习图像重建算法(DLIR)在腹部低剂量CT中提高图像质量和降低伪影方面的价值.方法 前瞻性连续纳入 2019 年 10 月-2020 年 6 月进行 CT 尿路造影的患者 26 例,男 14 例,女 12 例,平均年龄(60.35±10.89)岁.所有患者均行常规剂量平扫、门静脉期增强(噪声指数 10;体积CT剂量指数:9.61 mGy)和低剂量排泄期扫描(噪声指数 23;体积 CT 剂量指数:2.95 mGy).排泄期图像采用 ASiR-V 50％、低强度 DLIR(DLIR-L)、中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)共 4 种方式重建,采用重复测量的单因素方差分析和Kruskal-Wallis H 检验分别比较 4 组图像的客观评价[偏度、噪声、信噪比(SNR)及对比噪声比(CNR)]及主观评价内容(图像质量、噪声、伪影),并采用Bonferroni检验进行事后两两比较.结果 无论是客观评价还是主观评价方面,DLIR 图像的 SNR、CNR、整体图像质量评分及噪声均相似或优于 ASiR-V 50％,且 SNR、CNR 和图像质量评分随 DLIR 权重增加而增加,噪声随着DLIR权重增加而降低.4 组图像在失真伪影(P=0.776)和对比剂硬化伪影(P=0.881)主观评分中差异不具有统计学意义.结论 与 ASiR-V 50％算法相比,DLIR 特别是 DLIR-M和 DLIR-H,可显著提高腹部低剂量CT的图像质量,但在降低对比剂硬化伪影方面应用有限. |
| Author | 孙精涛 杨健 程燕南 郭银霞 郭建新 曹乐 杨建 李雅楠 |
| AuthorAffiliation | 西安交通大学第一附属医院医学影像科,陕西西安 710061%西安交通大学第一附属医院临床研究中心,陕西西安 710061 |
| AuthorAffiliation_xml | – name: 西安交通大学第一附属医院医学影像科,陕西西安 710061%西安交通大学第一附属医院临床研究中心,陕西西安 710061 |
| Author_FL | YANG Jian CAO Le CHENG Yannan SUN Jingtao GUO Yinxia GUO Jianxin LI Yanan |
| Author_FL_xml | – sequence: 1 fullname: CHENG Yannan – sequence: 2 fullname: SUN Jingtao – sequence: 3 fullname: LI Yanan – sequence: 4 fullname: GUO Yinxia – sequence: 5 fullname: CAO Le – sequence: 6 fullname: YANG Jian – sequence: 7 fullname: GUO Jianxin |
| Author_xml | – sequence: 1 fullname: 程燕南 – sequence: 2 fullname: 孙精涛 – sequence: 3 fullname: 李雅楠 – sequence: 4 fullname: 郭银霞 – sequence: 5 fullname: 曹乐 – sequence: 6 fullname: 杨建 – sequence: 7 fullname: 杨健 – sequence: 8 fullname: 郭建新 |
| BookMark | eNrjYmDJy89LZWAQMzTQMzczNdLPSqmsSDIyMDI2MDYwMmRh4DQ0MzfUtTAyteRg4C0uzkwyMDA0MDU0MjHlZPB9Nm3Dkx0NT3YvfrZ949Ndy56uXfZk54Kns_c9be5_2d77dPeu5-umP9s89emcFS9ad75sXvFkb9_TzqaX7f3OIU92rH0-q-XprinPp6x4vmDK85XbeBhY0xJzilN5oTQ3Q6iba4izh66Pv7uns6OPbrGhgYmhrqVhiomBmWWqsZlRWlqSmZmRubl5sqFxsqmBqaW5cUpqapJ5omEq0P2GlskmxslpycmJlknmKUBsZGhgZppmzM2gCTG3PDEvLTEvPT4rv7QoD2hjfEViZXZKBZL3jQGGwW0i |
| ClassificationCodes | R445 |
| ContentType | Journal Article |
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| DBID | 2B. 4A8 92I 93N PSX TCJ |
| DOI | 10.7652/jdyxb202303021 |
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| DocumentTitle_FL | Application of deep learning image reconstruction algorithm in low-dose abdominal CT |
| EndPage | 472 |
| ExternalDocumentID | xaykdxxb202303021 |
| GrantInformation_xml | – fundername: (陕西省高校联合项目); (西安交通大学第一附属医院科研发展基金) funderid: (陕西省高校联合项目); (西安交通大学第一附属医院科研发展基金) |
| GroupedDBID | --- -05 2B. 4A8 7X7 8FI 8FJ 92I 93N ABDBF ABUWG ACUHS AFKRA ALIPV ALMA_UNASSIGNED_HOLDINGS BENPR BPHCQ BVBZV BVXVI CCEZO CCPQU CIEJG EOJEC FYUFA HMCUK OBODZ PQQKQ PROAC PSX TCJ UKHRP |
| ID | FETCH-LOGICAL-s1041-91d4069e362ffb662777c13c505973deeb7a1e23019c43cfcca9b7d9b721065f3 |
| ISSN | 1671-8259 |
| IngestDate | Thu May 29 03:54:46 EDT 2025 |
| IsPeerReviewed | false |
| IsScholarly | true |
| Issue | 3 |
| Keywords | X线计算机 深度学习图像重建(DLIR) 伪影 低剂量 |
| Language | Chinese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-s1041-91d4069e362ffb662777c13c505973deeb7a1e23019c43cfcca9b7d9b721065f3 |
| PageCount | 7 |
| ParticipantIDs | wanfang_journals_xaykdxxb202303021 |
| PublicationCentury | 2000 |
| PublicationDate | 2023-05-01 |
| PublicationDateYYYYMMDD | 2023-05-01 |
| PublicationDate_xml | – month: 05 year: 2023 text: 2023-05-01 day: 01 |
| PublicationDecade | 2020 |
| PublicationTitle | 西安交通大学学报（医学版） |
| PublicationTitle_FL | Journal of Xi'an Jiaotong University(Medical Sciences) |
| PublicationYear | 2023 |
| Publisher | 西安交通大学第一附属医院医学影像科,陕西西安 710061%西安交通大学第一附属医院临床研究中心,陕西西安 710061 |
| Publisher_xml | – name: 西安交通大学第一附属医院医学影像科,陕西西安 710061%西安交通大学第一附属医院临床研究中心,陕西西安 710061 |
| SSID | ssib001051245 ssib051375640 ssib012416230 ssib012869364 ssib038076391 ssib022315977 ssib001104403 ssib052002713 ssib002263349 ssib036440245 ssib002039773 ssib006705401 ssj0001537995 |
| Score | 2.3617685 |
| Snippet | R445; 目的 探讨深度学习图像重建算法(DLIR)在腹部低剂量CT中提高图像质量和降低伪影方面的价值.方法 前瞻性连续纳入 2019 年 10 月-2020 年 6 月进行 CT 尿路造影的患者... |
| SourceID | wanfang |
| SourceType | Aggregation Database |
| StartPage | 466 |
| Title | 新一代深度学习图像重建算法在腹部低剂量CT中的应用研究 |
| URI | https://d.wanfangdata.com.cn/periodical/xaykdxxb202303021 |
| Volume | 44 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| journalDatabaseRights | – providerCode: PRVEBS databaseName: EBSCOhost Academic Search Ultimate issn: 1671-8259 databaseCode: ABDBF dateStart: 20130901 customDbUrl: https://search.ebscohost.com/login.aspx?authtype=ip,shib&custid=s3936755&profile=ehost&defaultdb=asn isFulltext: true dateEnd: 99991231 titleUrlDefault: https://search.ebscohost.com/direct.asp?db=asn omitProxy: true ssIdentifier: ssj0001537995 providerName: EBSCOhost |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwvR1Na9RANNT2IoIoKn5TxDnJ6iaTzMdxJpulCHraQm9ls8kqCivYFtqexCrFg_ZSFdRDQSj1UFEE7Qf6azZd-y98b5LdjG0PtgeX3TA7efPmfSXvvSF54zjXwUhiKaRXAe_HKn7sM7ikWl4loTGEp6mgSWKqfd5lY-P-7YlgYmjkhPXU0sx0fLM1f-B7JUfRKvSBXvEt2UNodoAUOqAN-oUjaBiO_6RjEjEiGdFVEvlEC3xqARuaKIqnNCfaJVFAtCKKYUPVTANgJFFV7JGa6AgbghJRJ5EkghNRM6M0Dow4URGR3CCkRAZmVEiUIBHMGCAqHEVND2CuEZEjhE6vj7AeNgoagQRAKRURfkGa9E2PbxBwpCvvUZJoZgfPOKGCIXXDSoQzIE5gzjfzVBEtngJU3GJ30GBEKMQQ1YkOiRCGzBAZLWG4IVz0YQbrJIYiYFgbEF4IAiQleQlisEiJINozggWhgY50CQL_cglJlD3ID3qAJFUtQXJp1gwIxfHYCImM7CUaz3og0lxUR5UOsBXitzQhiSwU6nFhWktM5pTyDhJcgKrP7a2wJY4TSXCVYTEQZTYgci-1N7ACFAPo4P9yYoB13xiF2m-DluUaqoC9Q7FkOX7G3Yrwiur0RWSQVyYt7oDUcvM-Y1bE6OebT-0NRjgLsLjxg2RuNkarAHeaFwPYU-B9tjn3MJm1YI45Ix5nzBt2RpSu6bq1fAPhufUUAITuvl1O06tiOmeH54xSa3mFcUzQBv4ccLmQ_VTL_4JJWi6fQObg2uUp4ZRftebHvSrgFj_AF7iUB6ysHYUV3TxepAt51QaK9SdxDawv7ryOLorq1t-CMi9RdtrNzj0r3m-cck4Wifqoyu-6p52h-ftnnDs7b750N550tz_u_Piaba1m66vdzZXs_a9sYWl38WW2vdX7_Hbn2-vsw9rv55u7C2vdn6-yF093F5fCRndjvffuWba13Fte660s9z59P-uM16NGOFYpNqSpTIGkXfBiCRYKSCHob7dj3DqD85ZLW5BFSk6TNI15002BAVe2fNpqg3eUMU_g57mQ6rXpOWe486iTnndGvThut1MfkgPp4w4mTdmED8PqrVjBkl9wrhXsTxYOZ2pyn6Fc_BegS87x8p502RmefjyTXoFEajq-WtjXH1ugCLU |
| linkProvider | EBSCOhost |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E6%96%B0%E4%B8%80%E4%BB%A3%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%9B%BE%E5%83%8F%E9%87%8D%E5%BB%BA%E7%AE%97%E6%B3%95%E5%9C%A8%E8%85%B9%E9%83%A8%E4%BD%8E%E5%89%82%E9%87%8FCT%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8%E7%A0%94%E7%A9%B6&rft.jtitle=%E8%A5%BF%E5%AE%89%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%88%E5%8C%BB%E5%AD%A6%E7%89%88%EF%BC%89&rft.au=%E7%A8%8B%E7%87%95%E5%8D%97&rft.au=%E5%AD%99%E7%B2%BE%E6%B6%9B&rft.au=%E6%9D%8E%E9%9B%85%E6%A5%A0&rft.au=%E9%83%AD%E9%93%B6%E9%9C%9E&rft.date=2023-05-01&rft.pub=%E8%A5%BF%E5%AE%89%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E7%AC%AC%E4%B8%80%E9%99%84%E5%B1%9E%E5%8C%BB%E9%99%A2%E5%8C%BB%E5%AD%A6%E5%BD%B1%E5%83%8F%E7%A7%91%2C%E9%99%95%E8%A5%BF%E8%A5%BF%E5%AE%89+710061%25%E8%A5%BF%E5%AE%89%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E7%AC%AC%E4%B8%80%E9%99%84%E5%B1%9E%E5%8C%BB%E9%99%A2%E4%B8%B4%E5%BA%8A%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%2C%E9%99%95%E8%A5%BF%E8%A5%BF%E5%AE%89+710061&rft.issn=1671-8259&rft.volume=44&rft.issue=3&rft.spage=466&rft.epage=472&rft_id=info:doi/10.7652%2Fjdyxb202303021&rft.externalDocID=xaykdxxb202303021 |
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fxaykdxxb%2Fxaykdxxb.jpg |