深度学习重建算法对胸部CT图像质量及肺结节影像组学特征数据可重复性的影响

作     者：郑志娟 李姝霖 马昆 向之明 ZHENG Zhijuan;LI Shulin;MA Kun;XIANG Zhiming

作者机构：广州医科大学附属番禺中心医院放射科广东广州511400 GE医疗CT影像研究中心广东广州510623 

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1期

页      面：79-83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）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：国家自然科学基金(82171931) 

主　　题：深度学习 肺疾病 体层摄影术,X线计算机 影像组学 前瞻性研究 

摘      要：目的与自适应统计迭代重建(ASIR-V)算法比较,观察深度学习图像重建(DLIR)对于胸部CT图像质量、肺结节检出率及肺结节影像组学特征数据可重复性的影响。方法前瞻性纳入75例同期接受胸部超低剂量CT(ULD-CT)及标准剂量CT(SDCT)检查的肺结节患者、共211个肺结节,分别以高强度DLIR(DLIR-H)、中强度DLIR(DLIR-M)及50%水平ASIR-V算法(50%ASIR-V)重建ULD-CT图像,以50%ASIR-V获得SDCT图像。针对ULD-CT和SDCT图像,以相同ROI内肺实质CT值标准差(SD)代表噪声并计算信噪比(SNR);计算肺结节检出率,并在不同图像间加以比较。基于自动分割法提取50%ASIR-V SDCT及各ULD-CT肺结节影像组学特征,分别计算各ULD-CT与50%ASIR-V SDCT影像组学特征的组内相关系数(ICC),并与不同ULD-CT算法进行比较。结果相比50%ASIR-V SDCT图像,以不同算法重建的ULD-CT图像SD均较高而SNR均较低(P均0.05)。基于3种算法重建的ULD-CT所获肺结节与50%ASIR-V SDCT一阶特征及形状特征数据的可重复性较好(中位ICC均0.75),不同算法间差异无统计学意义(P均0.05)。结论以DLIR-H和DLIR-M算法重建胸部ULD-CT可在降低图像噪声的同时提高图像质量,并在一定程度上维持肺结节影像学特征的可重复性,尤以DLIR-H更佳。