深度学习全模型迭代算法用于重建CT图像:体模实验

作     者：曹文静 孙昊桦 赵立毅 李翔 全国涛 CAO Wenjing;SUN Haohua;ZHAO Liyi;LI Xiang;QUAN Guotao

作者机构：上海联影医疗科技股份有限公司上海201800 

出 版 物：《中国医学影像技术》 (Chinese Journal of Medical Imaging Technology)

年 卷 期：2025年第41卷第4期

页      面：557-562页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

主　　题：体层摄影术,X线计算机 图像处理,计算机辅助 深度学习 体模,显像术 

摘      要：目的 利用体模评估深度学习全模型迭代算法(AIIR)用于重建CT图像的价值。方法 以模型迭代重建(MBIR)结合深度学习(DL)生成AIIR,对CCT MITA IQ体模、CT ACR 464体模、Catphan 700体模、光盘叠加体模及CT PBU-60全身体模进行CT扫描;分别采用滤波反投影法(FBP)、KARL 3D迭代重建等常规算法及AIIR重建CT图像,比较各种重建图像的噪声、X线剂量水平,以及低对比度分辨力、高对比度空间分辨力、锥束伪影及条形伪影等。结果 相比常规算法,利用AIIR重建CT图像可使噪声降低61.74%~99.76%、X线剂量降低60.00%~90.00%,同时将低密度分辨能力提升至1.99~4.86倍、高对比度空间分辨力提升至1.55~2.57倍,且能明显减轻锥束伪影及条形伪影。结论 AIIR用于重建CT图像较常规算法具有明显优势。